前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >python的矩阵扩充

python的矩阵扩充

作者头像
py3study
发布2020-01-07 20:41:59
1.8K0
发布2020-01-07 20:41:59
举报
文章被收录于专栏:python3

a为3*4的矩阵,b为2*4的矩阵,现要形成[ab\frac{a}{b}]一样的矩阵,就需要扩充a 法一:

代码语言:javascript
复制
    import numpy as np
    a=np.row_stack( (a , b) )

法二:

代码语言:javascript
复制
    c=np.zeros( (5 , 4) )
    for i in range(5):
        if i<3:
            c[i]=a[i]
        else :
            c[i]=b[i-3]

如果只是扩充这么一次,肯定选择法1 但是如果是要扩充多次,即a,b扩充之后还要进行多次的扩充,那么法2是个优势选择。 这里举个例子: training_set是个(imgMatrix,label)的二维元组,imgMatrix是个60000*784的矩阵,label是个784*1的矩阵。imgMatrix的一行为一个img,同一种类的img的label是相同的,imgMatrix中共十个种类。下面程序的目的是从imgMatrix中找出同一种类的img,并分别构成各个种类的矩阵

注释部分采用的法1,循环6000次就需要5.02s,60000次时间更长,不是简单的5.02s*10,我没有继续等待,也不知道具体时间是多少,但等了几分钟都没有结束。 而采用法2(未注释部分),只需要1.02s!!!,是真的快!

代码语言:javascript
复制
     training_set,test_set=mnist_loader()
     print 'data load over'
        #start1=time.clock()
        #nullMatrix=np.mat( training_set[0].shape[1]*[[]] ).T
        #omega=10*[nullMatrix]
        #for k in range(60000):
        #    label=training_set[1][k,0]
        #    omega[label]=np.row_stack( (omega[label] , training_set[0][k]) )
        #end1=time.clock()
        #print end1-start1  

    start2=time.clock()
    count=10*[0]
    for k in range(60000):
        label=training_set[1][k,0]
        count[label]+=1
    omega=10*[0]
    for i in range(10):
        omega[i]=np.zeros( (count[i],784) )
    index=10*[0]
    for k in range(60000):
        label=training_set[1][k,0]
        omega[label][index[label]]=training_set[0][k]
        index[label]=index[label]+1
    end2=time.clock()
    print end2-start2
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019/09/14 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档