了解 numpy 数组形状

Question

我在理解 numpy 数组形状方面遇到了很多问题。

如果有一个形状为(1, 12, 12, 512)的numpy数组，是什么意思？

1. 我有 512 个形状为 (1, 12, 12) 的数组。
2. 我有一组形状(12, 12, 512)

什么意思？

顺便说一下，这个 numpy 数组是来自编码器 CNN 模型的特征图。

如果我将tf.keras.layers.GlobalAveragePooling2D 与该特征图一起使用，我会得到一个形状为(1, 512) 的张量，这让我感到怀疑。

为了展示一个最简单的数组并尝试理解它，我使用了这段代码：

x = tf.constant([[1., 2., 3.],
                 [4., 5., 6.]])
y = tf.reshape(x, [1, 2, 3, 1])

x 数组是：

array([[1., 2., 3.],
       [4., 5., 6.]], dtype=float32)

y 数组是：

array([[[[1.],
         [2.],
         [3.]],

        [[4.],
         [5.],
         [6.]]]], dtype=float32)

所以我认为是第二种选择，但我不确定。

Answer 1

这两种说法都是正确的。但是，最终归结为您的数据对象所代表的内容。如果第一个轴是批次，则更有可能是包含51212x12-特征图的1批次。

---

编辑：既然你提到了 Tensorflow，就是这样。该库使用以下格式： (batch, height, width, channels)。与 PyTorch 的运作方式相反，通道位于最后。

tf.keras.layers.GlobalAveragePooling2D 将在每个批次中将您的每个12x12 特征映射平均为一个点。由于您有 512 个特征图，因此您将得到 (1, 512) 的形状。 “全局” 意味着它将平均整个特征图。