Keras 教學 1 – Array 的 shape、軸、階、維度

Keras 教學 1 – Array 的 shape、軸、階、維度

Keras 是一個開源的深度學習庫，在這篇教學文章中，我們將深入研究在Keras中處理數組時常見的概念，包括shape、軸、階和維度。理解這些概念對於有效地操作和理解Keras模型的輸入和輸出至關重要。

Array的shape

首先，讓我們來看一下shape的概念。在數組中，shape是用來描述數組維度的一個重要屬性。舉例來說：

• 對於數組 [1,2,3],[4,5,6][1,2,3],[4,5,6]，其shape為 (2,3)(2,3)，表示有2個子數組，每個子數組有3個元素。
• 對於數組 [[1,2,3],[4,5,6]][[1,2,3],[4,5,6]]，其shape也是 (2,3)(2,3)，與前者相同。

一般來說，shape的每個元素表示數組在每個維度上的大小。

軸、階和維度

shape的元素數量通常被稱為數組的軸或階，每個軸的大小則稱為維度。舉例來說：

• 對於shape為 (2,3)(2,3) 的數組，有2個軸，第一個軸的維度為2，第二個軸的維度為3。
• 如果我們創建一個shape為 (3,5,2)(3,5,2) 的數組，則它有3個軸，分別為3、5和2。

判斷軸、階和維度的方法和例子

在Keras中，判斷數組的軸、階和維度是相對簡單的。讓我們來看幾個例子：

1. 獲取數組的shape

import numpy as np

# 創建一個shape為(3, 4, 2)的數組
arr = np.zeros((3, 4, 2))

# 獲取數組的shape
shape = arr.shape

print("Array的shape:", shape)

輸出:

Array的shape: (3, 4, 2)

2. 獲取數組的軸數

import numpy as np

# 創建一個shape為(3, 4, 2)的數組
arr = np.zeros((3, 4, 2))

# 獲取數組的軸數
axes = arr.ndim

print("Array的軸數:", axes)

輸出:

codeArray的軸數: 3

3. 獲取數組的各軸維度

import numpy as np

# 創建一個shape為(3, 4, 2)的數組
arr = np.zeros((3, 4, 2))

# 獲取數組的各軸維度
dimensions = arr.shape

print("Array的各軸維度:", dimensions)

輸出:

Array的各軸維度: (3, 4, 2)

4. 獲取數組的某一軸的維度

import numpy as np

# 創建一個shape為(3, 4, 2)的數組
arr = np.zeros((3, 4, 2))

# 獲取數組第一軸的維度
axis_dimension = arr.shape[0]

print("Array的第一軸維度:", axis_dimension)

輸出:

Array的第一軸維度: 3

5. 獲取數組的總元素數量

import numpy as np

# 創建一個shape為(3, 4, 2)的數組
arr = np.zeros((3, 4, 2))

# 獲取數組的總元素數量
total_elements = arr.size

print("Array的總元素數量:", total_elements)

輸出:

Array的總元素數量: 24

這些例子演示了如何在Keras中使用numpy庫來判斷數組的軸、階和維度。將這些方法應用於您的Keras模型中，將幫助您更好地理解和操作輸入和輸出數據。

Keras其他操作

在Keras中，創建特定形狀的數組是非常常見的操作，這可以通過numpy庫來實現。以下是一個示例：

import numpy as np

# 建立shape為(3, 5, 2)且所有元素均為0的數組
x = np.zeros((3, 5, 2))

# 將數組元素的數據類型轉換為float64
y = x.astype('float64')

這段代碼示例了如何使用numpy庫來創建特定形狀的數組，並將其元素的數據類型轉換為float64。這對於在Keras模型中進行數據準備和預處理非常有用。

總結

通過本文，我們深入探討了Keras中處理數組時的一些重要概念，包括shape、軸、階和維度。這些概念對於理解Keras模型的輸入和輸出以及進行數據預處理至關重要。在您的AI之旅中，請牢記這些概念，它們將成為您的強大工具之一。

keras連結: https://keras.io Back to Blog

---