当前位置： 首页 > news >正文

做网站图片怎么做seo网站自动推广

news 2025/7/6 4:19:37
做网站图片怎么做,seo网站自动推广,做打鱼网站的代理,响应网站怎么做教学视频目录 简介 基础用法 基础信息 数组创建 打印数组 变更维度&堆叠 加减乘除 累加/最大/最小 转换操作 矩陈乘法 索引/迭代 深拷贝/引用传递/视图 引用传递 视图 深拷贝 其它 简介 ND4J主要是JVM的科学计算库，内置了很多计算方法，目的…

目录

简介

基础用法

基础信息

数组创建

打印数组

变更维度&堆叠

加减乘除

累加/最大/最小

转换操作

矩陈乘法

索引/迭代

深拷贝/引用传递/视图

引用传递

视图

深拷贝

其它

简介

ND4J主要是JVM的科学计算库，内置了很多计算方法，目的是以最低的RAM需求快速运行。主要特点是：

  • 一个多功能的n维数组对象。

  • 线性代数和信号处理函数。

  • 多平台功能，包括GPU。

    • 所有主要操作系统: win/linux/osx/android.

    • 架构: x86, arm, ppc.

Nd4j的主要特点是具有多功能的n维阵列接口INDArray。为了提高性能，Nd4j使用堆外内存来存储数据。INDArray不同于标准Java数组。

基础用法

基础信息

创建数值为0的N维数组

INDArray xx = Nd4j.zeros(10);
System.out.println(xx);//运行结果
[         0,         0,         0,         0,         0,         0,         0,         0,         0,         0]INDArray x = Nd4j.zeros(3, 4);
System.out.println(x);//运行结果
[[         0,         0,         0,         0], [         0,         0,         0,         0], [         0,         0,         0,         0]]

同理，也支持三维、四维等，可以通过以下方法进行维度信息的查看：

// 数组的轴数（维度）。
int dimensions = x.rank();// 数组的维数。每个维度的大小。
long[] shape = x.shape();// 元素的总数。
long length = x.length();// 数组元素的类型。 
DataType dt = x.dataType();

数组创建

要创建INDArray，可以使用ND4J类的静态工厂方法。

Nd4j.createFromArray函数通过重载，支持double、float、int、long类型，同时对各种类型最高支持四维。

double arr_2d[][]={{1.0,2.0,3.0},{4.0,5.0,6.0},{7.0,8.0,9.0}};
INDArray x_2d = Nd4j.createFromArray(arr_2d);double arr_1d[]={1.0,2.0,3.0};
INDArray  x_1d = Nd4j.createFromArray(arr_1d);

可以使用函数zeros和ones创建用0和1初始化的数组

可以使用rand函数建用随机值初始化的数组

创建的INDArray的默认数据类型是float，有些重载允许您设置数据类型

INDArray  x = Nd4j.zeros(5);
//运行结果
//[         0,         0,         0,         0,         0], FLOATint [] shape = {5};
x = Nd4j.zeros(DataType.DOUBLE, 5);
//运行结果
//[         0,         0,         0,         0,         0], DOUBLE// 对于更高的维度，可以提供形状数组。二维随机矩阵示例：
int[] shape = {4, 5};
INDArray x = Nd4j.rand(shape);//运行结果
[[    0.5669,    0.0576,    0.8701,    0.9598,    0.6470], [    0.2711,    0.8427,    0.2819,    0.6617,    0.5109], [    0.0602,    0.2674,    0.6586,    0.9939,    0.4781], [    0.4099,    0.9503,    0.2227,    0.4738,    0.3759]]

使用arange函数创建一个均匀空间值数组：

INDArray  x = Nd4j.arange(5);
// [         0,    1.0000,    2.0000,    3.0000,    4.0000]INDArray  x = Nd4j.arange(2, 7);
// [    2.0000,    3.0000,    4.0000,    5.0000,    6.0000]

linspace函数允许您指定生成的点数：

//开始数, 停止数, 个数.
INDArray  x = Nd4j.linspace(1, 10, 5); 
// [    1.0000,    3.2500,    5.5000,    7.7500,   10.0000]// 对函数进行多点评估。
import static org.nd4j.linalg.ops.transforms.Transforms.sin;
INDArray  x = Nd4j.linspace(0.0, Math.PI, 100, DataType.DOUBLE);
INDArray  y = sin(x);

打印数组

如上图的例子，INDArray支持Java的toString()方法，可以直接通过System.out.println打印除结果

变更维度&堆叠

可以通过reshap函数进行维度的变更

int [] shape = {4,3};
//2维数组
x = Nd4j.arange(12).reshape(shape);   
/*
[[         0,    1.0000,    2.0000], [    3.0000,    4.0000,    5.0000], [    6.0000,    7.0000,    8.0000], [    9.0000,   10.0000,   11.0000]]
*/

如果本身数据的数组不足以填满新的维度，则会报ND4JIllegalStateException异常

int [] shape = {4,3};
//2维数组
INDArray x = Nd4j.arange(11).reshape(shape);//运行结果
//org.nd4j.linalg.exception.ND4JIllegalStateException: New shape length doesn't match original length: [12] vs [11]. Original shape: [11] New Shape: [4, 3]

INDArray x = Nd4j.rand(3,4);
x.shape();
// [3, 4]INDArray x2 = x.ravel(); //转化成一列
x2.shape();
// [12]INDArray x3 = x.reshape(6,2).shape();
x3.shape();
//[6, 2]//注意x、x2和x3共享相同的数据。 
x2.putScalar(5, -1.0);System.out.println( x);
/*
[[    0.0270,    0.3799,    0.5576,    0.3086], [    0.2266,   -1.0000,    0.1107,    0.4895], [    0.8431,    0.6011,    0.2996,    0.7500]]
*/System.out.println( x2);
// [    0.0270,    0.3799,    0.5576,    0.3086,    0.2266,   -1.0000,    0.1107,    0.4895,    0.8431,    0.6011,    0.2996,    0.7500]System.out.println( x3);
/*        
[[    0.0270,    0.3799], [    0.5576,    0.3086], [    0.2266,   -1.0000], [    0.1107,    0.4895], [    0.8431,    0.6011], [    0.2996,    0.7500]]
*/

可以使用vstack和hstack方法将数组堆叠在一起。

INDArray x = Nd4j.rand(2,2);
INDArray y = Nd4j.rand(2,2);x
/*
[[    0.1462,    0.5037], [    0.1418,    0.8645]]
*/y;
/*
[[    0.2305,    0.4798], [    0.9407,    0.9735]]
*/Nd4j.vstack(x, y);
/*
[[    0.1462,    0.5037], [    0.1418,    0.8645], [    0.2305,    0.4798], [    0.9407,    0.9735]]
*/Nd4j.hstack(x, y);
/*
[[    0.1462,    0.5037,    0.2305,    0.4798], [    0.1418,    0.8645,    0.9407,    0.9735]]
*/

加减乘除

使用INDArray方法对数组执行操作。

加法: arr.add(...), arr.addi(...)减法: arr.sub(...), arr.subi(...)乘法: arr.mul(...), arr.muli(...)除法 : arr.div(...), arr.divi(...)

对数组进行加减乘除操作，有两种类型

【1】in-place ：在原有数组基础上变更，如add、sub

【2】复制：创建新的数组，将结果放在新数组中，如addi、subi

//复制
//返回一个新数组，并将标量添加到arr的每个元素。
arr_new = arr.add(scalar);  
//返回一个新数组，它是arr和其他arr元素级别的加法。  
arr_new = arr.add(other_arr); //In-place
arr_new = arr.addi(scalar); 
arr_new = arr.addi(other_arr);

in-place运算符可以方便地将操作链接在一起。尽可能使用（in-place）运算符来提高性能,因为

复制运算符有新的数组创建开销。

注意，执行加减乘除操作时，必须确保基础数据类型相同。

int [] shape = {5};
INDArray  x = Nd4j.zeros(shape, DataType.DOUBLE);
INDArray  x2 = Nd4j.zeros(shape, DataType.INT);
INDArray  x3 = x.add(x2);
// java.lang.IllegalArgumentException: Op.X 和 Op.Y must have the same data type, but got INT vs DOUBLE// 将x2转换为DOUBLE可以解决以下问题：
INDArray x3 = x.add(x2.castTo(DataType.DOUBLE));

累加/最大/最小

INDArray有实现累加/最值操作的方法，如 sum, min, max.

int [] shape = {2,3};
INDArray  x = Nd4j.rand(shape);
x;
x.sum();
x.min();
x.max();
/*
[[    0.8621,    0.9224,    0.8407], [    0.1504,    0.5489,    0.9584]]
4.2830
0.1504
0.9584
*/

提供维度参数以在指定维度上应用操作：

INDArray x = Nd4j.arange(12).reshape(3, 4);
/*
[[         0,    1.0000,    2.0000,    3.0000], [    4.0000,    5.0000,    6.0000,    7.0000], [    8.0000,    9.0000,   10.0000,   11.0000]]
*/        //每列的总和。
x.sum(0); 
//[   12.0000,   15.0000,   18.0000,   21.0000]//每行最小值
x.min(1); 
//[         0,    4.0000,    8.0000]//每行的累计和，
x.cumsum(1); 
/*
[[         0,    1.0000,    3.0000,    6.0000], [    4.0000,    9.0000,   15.0000,   22.0000], [    8.0000,   17.0000,   27.0000,   38.0000]]
*/

转换操作

Nd4j提供熟悉的数学函数，如sin、cos和exp，这些称为转换操作。结果作为INDArray返回。

import static org.nd4j.linalg.ops.transforms.Transforms.exp;
import static org.nd4j.linalg.ops.transforms.Transforms.sqrt;INDArray x = Nd4j.arange(3);
// [         0,    1.0000,    2.0000]
exp(x);
// [    1.0000,    2.7183,    7.3891]
sqrt(x);
// [         0,    1.0000,    1.4142]

矩陈乘法

INDArray也支持矩阵运算，如下：

INDArray x = Nd4j.arange(12).reshape(3, 4);
/*
[[         0,    1.0000,    2.0000,    3.0000], [    4.0000,    5.0000,    6.0000,    7.0000], [    8.0000,    9.0000,   10.0000,   11.0000]]
*/INDArray y = Nd4j.arange(12).reshape(4, 3);
/*
[[         0,    1.0000,    2.0000], [    3.0000,    4.0000,    5.0000], [    6.0000,    7.0000,    8.0000], [    9.0000,   10.0000,   11.0000]]
*/
// 矩阵乘积.
x.mmul(y);  
/*
[[   42.0000,   48.0000,   54.0000], [  114.0000,  136.0000,  158.0000], [  186.0000,  224.0000,  262.0000]]
*///点积
INDArray x = Nd4j.arange(12);
INDArray y = Nd4j.arange(12);
dot(x, y);  
//506.0000

索引/迭代

获取某个位置的数据

INDArray x = Nd4j.arange(12);
// [         0,    1.0000,    2.0000,    3.0000,    4.0000,    5.0000,    6.0000,    7.0000,    8.0000,    9.0000,   10.0000,   11.0000]
//单一元素访问。其他方法: getDouble, getInt, ...
float f = x.getFloat(3);  
// 3.0

转化为Java数组

//转换为Java数组。
float []  fArr = x.toFloatVector();
// [0.0, 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, 10.0, 11.0]

获取指定区间的数据

INDArray x2 = x.get(NDArrayIndex.interval(2, 6));
// [    2.0000,    3.0000,    4.0000,    5.0000]

在x的副本上：从开始到位置6（不包括），将每2个元素设置为-1.0 

//在x的副本上：从开始到位置6（不包括），将每2个元素设置为-1.0
INDArray y = x.dup();
y.get(NDArrayIndex.interval(0, 2, 6)).assign(-1.0);
//[   -1.0000,    1.0000,   -1.0000,    3.0000,   -1.0000,    5.0000,    6.0000,    7.0000,    8.0000,    9.0000,   10.0000,   11.0000]

y的反向副本

//y的反向副本。
INDArray y2 = Nd4j.reverse(y.dup());
//[   11.0000,   10.0000,    9.0000,    8.0000,    7.0000,    6.0000,    5.0000,   -1.0000,    3.0000,   -1.0000,    1.0000,   -1.0000]

对于多维数组，应该使用INDArray.get(NDArrayIndex...)。下面的示例演示如何遍历二维数组的行和列。注意，对于2D数组，我们可以使用getColumn和getRow便利方法。

// 在2d数组的行和列上迭代。
int rows = 4;
int cols = 5;
int[] shape = {rows, cols};INDArray x = Nd4j.rand(shape);
/*
[[    0.2228,    0.2871,    0.3880,    0.7167,    0.9951], [    0.7181,    0.8106,    0.9062,    0.9291,    0.5115], [    0.5483,    0.7515,    0.3623,    0.7797,    0.5887], [    0.6822,    0.7785,    0.4456,    0.4231,    0.9157]]
*/for (int row=0; row<rows; row++) {INDArray y = x.get(NDArrayIndex.point(row), NDArrayIndex.all());}
/*
[    0.2228,    0.2871,    0.3880,    0.7167,    0.9951]
[    0.7181,    0.8106,    0.9062,    0.9291,    0.5115]
[    0.5483,    0.7515,    0.3623,    0.7797,    0.5887]
[    0.6822,    0.7785,    0.4456,    0.4231,    0.9157]
*/for (int col=0; col<cols; col++) {INDArray y = x.get(NDArrayIndex.all(), NDArrayIndex.point(col));}
/*
[    0.2228,    0.7181,    0.5483,    0.6822]
[    0.2871,    0.8106,    0.7515,    0.7785]
[    0.3880,    0.9062,    0.3623,    0.4456]
[    0.7167,    0.9291,    0.7797,    0.4231]
[    0.9951,    0.5115,    0.5887,    0.9157]
*/

深拷贝/引用传递/视图

引用传递

以下用法，仅仅只是指向x的指针，进行了引用传递，并未复制

INDArray x = Nd4j.rand(2,2);
//y和x指向同一个INDArray对象。
INDArray y = x;

视图

一些函数将返回数组的视图，并未进行数组的复制

INDArray x = Nd4j.rand(3,4);
INDArray  x2 = x.ravel();
INDArray  x3 = x.reshape(6,2);// 修改 x, x2 和 x3
x2.putScalar(5, -1.0); x
/*
[[    0.8546,    0.1509,    0.0331,    0.1308], [    0.1753,   -1.0000,    0.2277,    0.1998], [    0.2741,    0.8257,    0.6946,    0.6851]]
*/x2
// [    0.8546,    0.1509,    0.0331,    0.1308,    0.1753,   -1.0000,    0.2277,    0.1998,    0.2741,    0.8257,    0.6946,    0.6851]x3
/*
[[    0.8546,    0.1509], [    0.0331,    0.1308], [    0.1753,   -1.0000], [    0.2277,    0.1998], [    0.2741,    0.8257], [    0.6946,    0.6851]]
*/

深拷贝

要复制数组，请使用dup方法。这将为您提供一个包含新数据的新数组。

INDArray x = Nd4j.rand(3,4);
INDArray  x2 = x.ravel().dup();//现在只改变x2。
x2.putScalar(5, -1.0); 
x
/*
[[    0.1604,    0.0322,    0.8910,    0.4604], [    0.7724,    0.1267,    0.1617,    0.7586], [    0.6117,    0.5385,    0.1251,    0.6886]]
*/x2
// [    0.1604,    0.0322,    0.8910,    0.4604,    0.7724,   -1.0000,    0.1617,    0.7586,    0.6117,    0.5385,    0.1251,    0.6886]

其它

ND4J还有很多科学计算函数，具体可以查看文档

nd4j-api 1.0.0-M2.1 javadoc (org.nd4j)

http://www.dinnco.com/news/24508.html

相关文章：

  • 出口做业务需要浏览国外网站新闻源软文发布平台
  • 企业建设网站的好处网络营销推广方案步骤
  • 那个网站做的系统最好seo教程技术资源
  • wordpress the_time深圳seo优化排名优化
  • 网站怎么做友情链接手游推广个人合作平台
  • 网站标题切换seo外链怎么做能看到效果
  • 成都做网站的工资多少网站流量分析的指标有哪些
  • php做网站要多久产品推广策划书
  • 山东网站推广公司外包公司和劳务派遣
  • 营销型的网站域名网络营销岗位描述的内容
  • 网站建设报价模板全网营销平台有哪些
  • 刷东西的网站自己做黄桃图片友情链接
  • 班级网页设计素材seo怎么做关键词排名
  • 广州市服务好的网站制作排名百度网讯科技有限公司官网
  • 湖南疫情最新情况最新消息微信seo是什么意思
  • 如何做网络集资网站今日足球比赛分析推荐
  • 做农产品的网站名称三只松鼠网络营销方案策划书
  • 苏州网站设计公司兴田德润好不好郑州网站优化外包
  • 网站计数器phpseo优化软件有哪些
  • 网站上传wordpress运营培训班有用吗
  • 做外单的网站指数基金
  • 策划网站建设微信scrm系统
  • 百度推广怎么做效果好深圳搜索优化排名
  • 良乡网站建设公司南京网站设计优化公司
  • 单位网站建设申请免费申请网站com域名
  • shopify做国内网站安卓内核级优化神器
  • js特效网站展示北京百度竞价托管公司
  • 欧美做视频网站有哪些企业网站营销的典型案例
  • 网站制作方案范文北京做百度推广的公司
  • 网站栏目结构图宁德市有几个区几个县