Question

我使用scipy.io将Mat文件读入python，加载3D张量。我在网上找到的大多数参考文献都只讨论了2个维度，而且我很难将我的头部围绕专业列重叠到维度大于2的数据行。

scipy.io是否会自动处理从专业列（订单=＆＃39; F＆＃39;）到行专业（订单=＆＃39; C＆＃39;）的转换？
如果不是1，是否有更好的方法来更改3D张量而不是使用ravel和reshape与order的组合？
如果不是2，有没有办法以编程方式确定转换张量应该是什么形状？在下面的例子中，我使用解开和重塑，但很明显原始形状不合适？

示例

在这个例子中，假设我有一个（2,4,3）维矩阵在Column-Major中读入，我想将它反转为Row-Major。

import numpy as np

lst3d = [[[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]], [[13, 14, 15], [17, 18, 19], [21, 22, 23], [25, 26, 27]]]

print(lst3d)
a = np.array(lst3d)
b = np.array(lst3d)

print(a.shape)
print('----------')
print(a.ravel(order='C').reshape(a.shape))
print('----------')
print(b.ravel(order='F').reshape(b.shape))

输出：

[[[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]], [[13, 14, 15], [17, 18, 19], [21, 22, 23], [25, 26, 27]]]
(2, 4, 3)
----------
[[[ 0  1  2]
  [ 3  4  5]
  [ 6  7  8]
  [ 9 10 11]]

 [[13 14 15]
  [17 18 19]
  [21 22 23]
  [25 26 27]]]
----------
[[[ 0 13  3]
  [17  6 21]
  [ 9 25  1]
  [14  4 18]]

 [[ 7 22 10]
  [26  2 15]
  [ 5 19  8]
  [23 11 27]]]

相关

Answer 1

在Octave：

>> x=0:23;
>> x=reshape(x,2,4,3);
>> x
x =
ans(:,:,1) =
   0   2   4   6
   1   3   5   7
ans(:,:,2) =
    8   10   12   14
    9   11   13   15
ans(:,:,3) =
   16   18   20   22
   17   19   21   23
>> save -v7 test3d x

在ipython中：

In [192]: data = io.loadmat('test3d')
In [194]: x=data['x']
In [195]: x
Out[195]: 
array([[[ 0.,  8., 16.],
        [ 2., 10., 18.],
        [ 4., 12., 20.],
        [ 6., 14., 22.]],

       [[ 1.,  9., 17.],
        [ 3., 11., 19.],
        [ 5., 13., 21.],
        [ 7., 15., 23.]]])
In [196]: x.shape
Out[196]: (2, 4, 3)

显示为Octave：

In [197]: x[:,:,0]
Out[197]: 
array([[0., 2., 4., 6.],
       [1., 3., 5., 7.]])

loadmat已将其加载为F订单，具有相同的2,4,3形状。右ravel生成原始的0:23数字：

In [200]: x.ravel(order='F')
Out[200]: 
array([ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10., 11., 12.,
       13., 14., 15., 16., 17., 18., 19., 20., 21., 22., 23.])

x的转置生成一个（3,4,2）阶'C'数组：

In [207]: x.T[0]
Out[207]: 
array([[0., 1.],
       [2., 3.],
       [4., 5.],
       [6., 7.]])
In [208]: y=np.arange(24).reshape(3,4,2)
In [209]: y[0]
Out[209]: 
array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7]])

Python：3D列主要张量到行主要

1 个答案: