在深度学习代码中遇到的问题

您所在的位置：网站首页 › in good shape是什么意思 › 在深度学习代码中遇到的问题

在深度学习代码中遇到的问题

#在深度学习代码中遇到的问题| 来源: 网络整理| 查看: 265

对于图像来说：

img.shape[0]：图像的垂直尺寸（高度）

img.shape[1]：图像的水平尺寸（宽度）

img.shape[2]：图像的通道数

举例来说，下面是一张300X534X3的图像，我们用代码，进行验证。

代码如下：

import matplotlib.image as mpimg # mpimg 用于读取图片 if __name__ == '__main__': img = mpimg.imread('cat.jpg') # 读取和代码处于同一目录下的 img.png # 此时 img 就已经是一个 np.array 了，可以对它进行任意处理 print(img.shape) # (512, 512, 3) print(img.shape[0]) print(img.shape[1]) print(img.shape[2])

运行结果如下：

(300, 534, 3) 300 534 3

由此证明，上述结果是没有问题的。

而对于矩阵来说：

shape[0]：表示矩阵的行数

shape[1]：表示矩阵的列数

举例如下：

import numpy as np if __name__ == '__main__': w = np.array([[1, 2, 3], [4, 5, 6]]) # 2X3的矩阵 print(w.shape) print(w.shape[0]) print(w.shape[1])

运行结果如下：

(2, 3) 2 3

由此证明，上述结果是没有问题的。

【本文地址】

在深度学习代码中遇到的问题

在深度学习代码中遇到的问题

今日新闻

推荐新闻