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 |
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。
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |