当前位置：首页 > article >正文

np.expand_dims函数

article 2024/11/1 9:16:17

在 NumPy 中，np.expand_dims 是一个用于增加数组维度的函数。它可以在指定的位置插入一个新的维度，使数组的形状增加一个维度。

语法

np.expand_dims(a, axis)

a：要操作的数组。
axis：指定插入新轴的位置。可以是负数，表示从数组的末尾开始计算位置。

功能

np.expand_dims 将数组 a 在指定的 axis 位置插入一个新的维度。这在操作多维数组时非常有用，比如在需要进行广播或确保数组维度匹配时。

示例

示例 1：增加一个新的轴

假设有一个一维数组，我们想将其变成二维数组：

import numpy as np

a = np.array([1, 2, 3])
print("原始数组：", a)
print("原始数组的形状：", a.shape)

# 在第 0 轴增加一个新轴
b = np.expand_dims(a, axis=0)
print("增加维度后的数组：", b)
print("新数组的形状：", b.shape)

输出：

原始数组： [1 2 3]
原始数组的形状： (3,)
增加维度后的数组： [[1 2 3]]
新数组的形状： (1, 3)

在这里，np.expand_dims(a, axis=0) 在第 0 轴插入了一个新轴，使数组从一维变成了二维。

示例 2：在第 1 轴增加一个新轴

c = np.expand_dims(a, axis=1)
print("在第 1 轴增加新维度后的数组：", c)
print("新数组的形状：", c.shape)

输出：

在第 1 轴增加新维度后的数组： 
[[1]
 [2]
 [3]]
新数组的形状： (3, 1)

这里 np.expand_dims(a, axis=1) 在第 1 轴插入了一个新轴，使数组从 (3,) 变成了 (3, 1)。

应用场景

图像数据预处理：在机器学习中，图像通常表示为 3D 数组（高度、宽度、通道），而神经网络的输入通常需要 4D（批次大小、高度、宽度、通道），这时可以用 np.expand_dims 增加批次维度。
```
image = np.random.rand(224, 224, 3)  # 单张彩色图片
batch_image = np.expand_dims(image, axis=0)  # 增加批次维度
print(batch_image.shape)  # 输出：(1, 224, 224, 3)
```
广播：在计算中，为了使数组形状符合广播机制，可以使用 np.expand_dims 添加单独的轴，以匹配其他数组的维度。