这里是否需要numpy.asarray（）？

Question

我正在遵循Francois Chollet所著的《用Python进行深度学习》一书中的示例。 有一个例子（第70页），他们将一个int数组转换为一个float32数组

相关行是

from keras.datasets import imdb
(tr_data, tr_labels), (ts_data, ts_labels) = imdb.load_data(num_words=10000)
...
import numpy as np
y_train = np.asarray(tr_labels).astype('float32')

tr_labels只是一个整数数组

array([1, 0, 0, ..., 0, 1, 0])

y_train是float32的数组

array([1., 0., 0., ..., 0., 1., 0.], dtype=float32)

但是当这似乎可以解决问题时，为什么我们需要调用np.asarray（）

y_train = tr_labels.astype('float32')

只是想知道numpy.asarray（）是否进行了一些我不知道的其他数据处理。

Answer 1

否，没有必要。

np.asarray有时很有用，如果您不确定数据类型是什么（或是否可以更改），并且如果输入已经是{{1 }}，因此如果ndarray已经是一个数组，就不应该放慢速度。同样，如果您想允许tr_labels的子类，则可以使用ndarray，它将通过np.asanyarray的任何子类（例如稀疏数组等）进行传递，而无需额外复制。这些只是现有数据中许多array creation functions numpy提供的两个示例。通常有多个正确答案，但有时一个答案可能比另一个答案更有效（在内存方面）。