Xem các phiên từ Hội nghị chuyên đề WiML về các mô hình khuếch tán với KerasCV, ML trên thiết bị, v.v. Xem theo yêu cầu
- TenorFlow
- API
- TenorFlow v2. 11. 0
- con trăn
Xem ổn định Xem hàng đêm
Chuyển vị một SparseTensor
Xem bí danh
Bí danh tương thích để di chuyển
Xem Hướng dẫn di chuyển để biết thêm chi tiết
tf.compat.v1.sparse.transpose
, tf.compat.v1.sparse_transpose
tf.sparse.transpose[
sp_input, perm=None, name=None
]
Được sử dụng trong sổ ghi chép
Được sử dụng trong hướng dẫn- Làm việc với tensors thưa thớt
Thứ nguyên i của tenxơ được trả về sẽ tương ứng với thứ nguyên đầu vào perm[i]
. Nếu perm
không được cung cấp, nó được đặt thành [n-1. 0], trong đó n là thứ hạng của tenxơ đầu vào. Do đó, theo mặc định, thao tác này thực hiện chuyển đổi ma trận thông thường trên các Tenor đầu vào 2-D
Chúng ta sẽ tìm hiểu về “Python Scipy Sparse Csr_matrix” trong hướng dẫn này để chúng ta có thể tạo ma trận CSR và sử dụng các kỹ thuật khác nhau bao gồm phép nhân, dấu chấm và chuyển vị
Các khái niệm sau sẽ được đề cập, cùng với việc định vị chỉ mục của các mục tối đa và tối thiểu trong ma trận CSR
- Scipy Sparse Csr_matrix là gì
- Python scipy thưa thớt Csr_matrix
- Python Scipy thưa thớt Csr_matrix Nhân lên
- Python Scipy Sparse Csr_matrix Indptr
- Dấu chấm Csr_matrix thưa thớt của Python Scipy
- Python Scipy Hình dạng Csr_matrix thưa thớt
- Python Scipy Sparse Csr_matrix Sắp xếp chỉ số
- Python Scipy Sparse Csr_matrix Nnz
- Chuyển vị Csr_matrix thưa thớt của Python Scipy
- Python Scipy Sparse Csr_matrix Argmax
- Python Scipy Sparse Csr_matrix Argmin
Mục lục
Scipy Sparse Csr_matrix là gì?
Có hai loại ma trận phổ biến. thưa thớt và dày đặc. Trái ngược với các ma trận dày đặc, có đa số các phần tử khác không, ma trận thưa có đa số các số không
Khi có sẵn một ma trận lớn, thông thường phần lớn các phần tử đều bằng 0. Do đó, việc tiến hành các phép toán chỉ sử dụng các số khác 0 là hợp lý vì 0 nhân với mọi thứ luôn dẫn đến 0
- Nhiều hàm ma trận thưa thớt trong Scipy chỉ lưu các phần tử khác không. Bằng cách này, dung lượng bộ nhớ cần thiết để lưu trữ dữ liệu có thể giảm xuống. Các khung dữ liệu cần được lưu trữ trong bộ nhớ thường xuyên cho các quá trình học máy
- Khung dữ liệu được chia để nó có thể vừa với RAM. Dữ liệu có thể vừa với RAM một cách dễ dàng bằng cách nén. Hiệu suất thực thi của thuật toán có thể được tăng tốc đáng kể bằng cách thực hiện các thao tác trên các giá trị khác không duy nhất của ma trận thưa thớt
Một trong những thuật toán do Scipy cung cấp được gọi là Hàng thưa được nén [CSR]. Đây là cách nó hoạt động
Giả sử rằng một tài liệu văn bản chứa các từ hoặc văn bản giống như dưới đây
Đây là một Tsinfo
Không Tsinfo. Đó là Tsinfotechnologists, phải không?
Bước đầu tiên là lập chỉ mục. Các từ được cho số. Gán các số giống nhau nếu các từ được lặp lại. Chúng ta có thể xác định tổng số từ trong tài liệu từ bước này
This is a Tsinfo
0 1 2 3
This is not Tsinfo. It is Tsinfotechnologies, Is it?
0 1 4 3 5 1 6 1 5
Lập chỉ mục bắt đầu từ số không. Từ đầu tiên là “This”, có chỉ số là “0. ” Mọi từ khác biệt cũng sẽ có một chỉ mục. Vì từ “This” xuất hiện hai lần trong tài liệu nên mỗi lần nó nhận được giá trị chỉ mục giống hệt nhau là “0”
Bước thứ hai là biểu diễn vector tài liệu. Có một biểu diễn véc-tơ được tạo cho mỗi dòng trong tài liệu
Có bao nhiêu chỉ số riêng biệt?
[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
[1111000],[1111000],[2210000]
Bước thứ ba là tạo một vectơ thưa thớt cho mọi tài liệu. Biểu diễn ma trận thưa thớt của mỗi tài liệu được hiển thị bên dưới. Nó loại bỏ tất cả các giá trị bằng 0 và chỉ lưu trữ các giá trị khác không
Doc
Doc
Đọc. Python scipy thống kê phù hợp
Python scipy thưa thớt Csr_matrix
Hàm trong gói con Scipy
import numpy as np
from scipy.sparse import csr_matrix
2 cho phép chúng tôi tạo ma trận CSR, viết tắt của ma trận hàng thưa được nénMa trận CSR phù hợp nếu thứ chúng ta cần là một ma trận có thể thực hiện phép cộng, phép nhân, phép trừ, lũy thừa ma trận và phép chia
Như được trình bày bên dưới, có nhiều cách tiếp cận để tạo ma trận CSR, nhưng ở đây chúng tôi sẽ sử dụng một trong các cách để tạo ma trận. Để biết thêm, vui lòng truy cập tài liệu chính thức của Python Scipy
Chúng ta sẽ sử dụng phương thức csr_matrix[D] hay còn gọi là ndarray rank_2 hoặc ma trận dày đặc
Nhập các thư viện cần thiết bằng mã bên dưới
import numpy as np
from scipy.sparse import csr_matrix
Tạo ma trận hạng 2 bằng mã bên dưới
D = np.array[[[1, 0, 1, 0, 0, 0], [2, 0, 2, 0, 0, 1],\
[0, 0, 0, 2, 0, 1]]]
Kiểm tra ma trận thùng bằng mã dưới đây
________số 8_______Truyền ma trận đã tạo cho hàm
import numpy as np
from scipy.sparse import csr_matrix
3, để tạo import numpy as np
from scipy.sparse import csr_matrix
4 và xem nó bằng mã bên dưới# Creating csr matrix
csr_m = csr_matrix[D]
csr_m.toarray[]
Đây là cách tạo ma trận CSR bằng phương pháp
import numpy as np
from scipy.sparse import csr_matrix
5 của Python scipyĐọc. Python scipy tải tập tin Mat
Python Scipy thưa thớt Csr_matrix Nhân lên
Ma trận thưa thớt là ma trận trong đó phần lớn các phần tử của nó bằng không. Gói ma trận thưa thớt 2-D của SciPy dành cho dữ liệu số được gọi là “scipy. thưa thớt”. Nó cung cấp cho chúng ta, nhiều lớp khác nhau, nhiều lớp khác nhau để xây dựng các ma trận thưa thớt. Hai lớp này là csc_matrix và csr_matrix
Trái ngược với csr_matrix[], được sử dụng để tạo ma trận hàng thưa được nén, csc_matrix[] tạo ma trận cột thưa được nén
Để nhân hai ma trận thưa thớt, chúng tôi sử dụng phương pháp
import numpy as np
from scipy.sparse import csr_matrix
6 được cung cấp bởi các lớp ma trận CSR. Hãy lấy một ví dụ minh họa bằng cách làm theo đoạn mã dưới đâyNhập các thư viện cần thiết bằng mã python bên dưới
from scipy import sparse
import numpy as np
Tạo ma trận CSR đầu tiên bằng mã bên dưới
row_1 = np.array[[0, 1, 2, 0 ]]
col_1 = np.array[[0, 3, 0, 1]]
data_1 = np.array[[3, 4, 9, 8]]
csr_matrix_A = sparse.csr_matrix[[data_1,
[row_1, col_1]],
shape = [3, 4]]
print["first CSR matrix: \n",
csr_matrix_A.toarray[]]
Tạo ma trận CSR thứ hai bằng mã bên dưới
[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
0Nhân cả hai ma trận bằng phương pháp
import numpy as np
from scipy.sparse import csr_matrix
7[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
1Ma trận đầu ra chứa phép nhân của
import numpy as np
from scipy.sparse import csr_matrix
8 và import numpy as np
from scipy.sparse import csr_matrix
9Đây là cách áp dụng phương pháp
import numpy as np
from scipy.sparse import csr_matrix
6 trên ma trận CSR để lấy tích của hai ma trận CSRĐọc Python Scipy ttest_ind
Python Scipy Sparse Csr_matrix Indptr
Thuộc tính
D = np.array[[[1, 0, 1, 0, 0, 0], [2, 0, 2, 0, 0, 1],\
[0, 0, 0, 2, 0, 1]]]
1 của phương thức import numpy as np
from scipy.sparse import csr_matrix
5 là mảng con trỏ chỉ mục của ma trận ở định dạng CSRCú pháp được đưa ra dưới đây
[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
2Tham số ở đâu
- dữ liệu. Mảng dữ liệu định dạng CSR của ma trận
- chỉ số. Mảng chỉ mục của ma trận ở định dạng CSR
- indptr. Mảng con trỏ chỉ mục định dạng CSR của ma trận
- hình dạng. Nó được sử dụng để xác định hình dạng của ma trận
Hãy tạo ma trận CSR bằng Indptr bằng cách thực hiện theo các bước bên dưới
Nhập các thư viện hoặc phương thức cần thiết bằng mã python bên dưới
[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
3Tạo ma trận CSR thưa thớt bằng indptr, chỉ số và giá trị dữ liệu
[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
4Để kiểm tra con trỏ chỉ mục, hãy sử dụng thuộc tính
D = np.array[[[1, 0, 1, 0, 0, 0], [2, 0, 2, 0, 0, 1],\
[0, 0, 0, 2, 0, 1]]]
3 trên ma trận đã tạo ở trên[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
5Đây là cách lấy mảng con trỏ chỉ mục của ma trận ở định dạng CSR bằng cách sử dụng thuộc tính
D = np.array[[[1, 0, 1, 0, 0, 0], [2, 0, 2, 0, 0, 1],\
[0, 0, 0, 2, 0, 1]]]
4 trên ma trận CSRĐọc. Định mức thống kê scipy của Python
Dấu chấm Csr_matrix thưa thớt của Python Scipy
Python Scipy thưa thớt có phương thức dot[] để tìm tích chấm thông thường của ma trận CSR
Hãy lấy một ví dụ bằng cách làm theo các bước dưới đây
Nhập các thư viện hoặc phương thức cần thiết bằng mã python bên dưới
[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
3Tạo một mảng cho sản phẩm chấm bằng mã bên dưới
[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
7Tạo ma trận CSR bằng mã bên dưới
[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
8Tính điểm của ma trận được tạo ở trên bằng cách áp dụng phương pháp
D = np.array[[[1, 0, 1, 0, 0, 0], [2, 0, 2, 0, 0, 1],\
[0, 0, 0, 2, 0, 1]]]
5 trên ma trận bằng mã bên dưới[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
9Đây là cách tìm tích vô hướng của bất kỳ ma trận CSR nào bằng phương pháp
D = np.array[[[1, 0, 1, 0, 0, 0], [2, 0, 2, 0, 0, 1],\
[0, 0, 0, 2, 0, 1]]]
6 của Python ScipyĐọc. Kiểm tra bình thường Python scipy
Python Scipy Hình dạng Csr_matrix thưa thớt
Phương pháp
D = np.array[[[1, 0, 1, 0, 0, 0], [2, 0, 2, 0, 0, 1],\
[0, 0, 0, 2, 0, 1]]]
7 có thể được áp dụng cho ma trận CSR để có được hình dạng. Cú pháp được đưa ra dưới đây[1111000],[1111000],[2210000]
0Hãy lấy một ví dụ bằng cách làm theo các bước dưới đây
Nhập các thư viện hoặc phương thức cần thiết bằng mã python bên dưới
[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
3Tạo ma trận CSR thưa thớt bằng mã bên dưới
[1111000],[1111000],[2210000]
2Bây giờ hãy sử dụng hàm
D = np.array[[[1, 0, 1, 0, 0, 0], [2, 0, 2, 0, 0, 1],\
[0, 0, 0, 2, 0, 1]]]
8 trên ma trận CSR đã tạo ở trên[1111000],[1111000],[2210000]
3Đây là cách lấy hình dạng của bất kỳ ma trận CSR nào bằng phương thức get_shape[] trả về kết quả trong bộ dữ liệu
Đọc. Số liệu thống kê scipy của Python Poisson
Python Scipy Sparse Csr_matrix Sắp xếp chỉ số
Phương pháp
D = np.array[[[1, 0, 1, 0, 0, 0], [2, 0, 2, 0, 0, 1],\
[0, 0, 0, 2, 0, 1]]]
9 của Python scipy được áp dụng cho ma trận CSR để sắp xếp các chỉ mục của ma trậnNhập các thư viện hoặc phương thức cần thiết bằng mã python bên dưới
[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
3Tạo ma trận CSR thưa thớt bằng indptr, chỉ mục và giá trị dữ liệu
[1111000],[1111000],[2210000]
5Bây giờ hãy áp dụng phương pháp
print[D]
0 trên ma trận trên bằng mã bên dưới[1111000],[1111000],[2210000]
6Đây là cách áp dụng thuộc tính
print[D]
1 trên ma trận CSR để sắp xếp chỉ số của ma trậnĐọc. Giá trị bản địa scipy của Python
Python Scipy Sparse Csr_matrix Nnz
Các phần tử “khác không” được giữ trong một số mảng thông qua một ma trận thưa thớt. Về cơ bản, nnz báo cáo kích thước của các mảng này
Hãy hiểu với một ví dụ và tìm kích thước của các phần tử khác 0 trong ma trận CSR bằng cách làm theo các bước dưới đây
Nhập các thư viện hoặc phương thức cần thiết bằng mã python bên dưới
[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
3Tạo ma trận CSR thưa thớt bằng mã bên dưới
[1111000],[1111000],[2210000]
8Bây giờ hãy áp dụng phương pháp
print[D]
2 trên ma trận bằng mã bên dưới[1111000],[1111000],[2210000]
9Đây là cách biết kích thước hoặc số lượng phần tử khác 0 trong ma trận CSR bằng thuộc tính
print[D]
3 của Python scipyĐọc. Chế độ thống kê scipy của Python
Chuyển vị Csr_matrix thưa thớt của Python Scipy
Bằng cách chuyển hàng thành cột hoặc cột thành hàng, bạn có thể tìm được phép đổi vị trí của ma trận. Python Scipy có một phương thức transpose[] có thể được áp dụng cho ma trận CSR để đảo ngược kích thước của ma trận thưa thớt
Cú pháp được đưa ra dưới đây
Doc
Doc
0Tham số ở đâu
- trục. Lý do duy nhất mà đối số này có trong chữ ký là để đảm bảo khả năng tương thích NumPy. Không có gì khác nên được nhập bên cạnh giá trị mặc định
- sao chép [boolean]. Có hay không nên bắt chước các thuộc tính bản thân bất cứ khi nào có thể. Tùy thuộc vào loại ma trận thưa thớt được sử dụng, các thuộc tính khác nhau được sao chép ở các mức độ khác nhau
Hãy hiểu với một ví dụ và tính toán chuyển vị của ma trận CSR bằng cách làm theo các bước dưới đây
Nhập các thư viện hoặc phương thức cần thiết bằng mã python bên dưới
[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
3Tạo ma trận CSR thưa thớt bằng mã bên dưới
[1111000],[1111000],[2210000]
8Bây giờ hãy áp dụng phương pháp
print[D]
4 trên ma trận print[D]
5 bằng mã bên dướiDoc
Doc
3Đây là cách lật hàng thành cột hoặc cột thành hàng bằng phương pháp
print[D]
6của Python scipy trên ma trận CSRĐọc. Python scipy Freqz
Python Scipy Sparse Csr_matrix Argmax
Phương thức
print[D]
7 Python scipy của print[D]
8 là các phần tử tối đa dọc theo một trục được trả về dưới dạng chỉ mụcCú pháp được đưa ra dưới đây
Doc
Doc
4Tham số ở đâu
trục[0,1,-1,-2]. Dọc theo trục này, argmax được tính. Nếu Không có [mặc định], chỉ mục của phần tử tối đa của dữ liệu làm phẳng được trả về
Nhập các thư viện hoặc phương thức cần thiết bằng mã python bên dưới
[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
3Tạo ma trận CSR thưa thớt bằng indptr, chỉ mục và giá trị dữ liệu
Doc
Doc
6Bây giờ chuyển ma trận CSR sang phương thức
print[D]
9 bằng mã bên dướiDoc
Doc
7Đây là cách tìm chỉ số của phần tử lớn nhất trong ma trận CSR bằng phương pháp
# Creating csr matrix
csr_m = csr_matrix[D]
csr_m.toarray[]
0 của Python scipyĐọc. Ma trận khoảng cách scipy Python
Python Scipy Sparse Csr_matrix Argmin
Phương thức
# Creating csr matrix
csr_m = csr_matrix[D]
csr_m.toarray[]
1 Python scipy của print[D]
8 là các phần tử tối thiểu dọc theo một trục được trả về dưới dạng chỉ mụcCú pháp được đưa ra dưới đây
Doc
Doc
8Tham số ở đâu
trục[0,1,-1,-2]. Dọc theo trục này, argmin được tính. Nếu Không có [mặc định], chỉ mục của phần tử tối đa của dữ liệu được làm phẳng được trả về
Nhập các thư viện hoặc phương thức cần thiết bằng mã python bên dưới
[word-index]: [This-0], [is-1], [a-2], [Tsinfo-3], [not-4], [It-5], [Tsinfotechnologies-6]
3Tạo ma trận CSR thưa thớt bằng indptr, chỉ mục và giá trị dữ liệu
import numpy as np
from scipy.sparse import csr_matrix
0Bây giờ chuyển ma trận CSR sang phương thức
# Creating csr matrix
csr_m = csr_matrix[D]
csr_m.toarray[]
3 bằng mã bên dướiimport numpy as np
from scipy.sparse import csr_matrix
1Đây là cách tìm chỉ số của phần tử tối thiểu trong ma trận CSR bằng phương pháp
# Creating csr matrix
csr_m = csr_matrix[D]
csr_m.toarray[]
1 của Python scipyBạn cũng có thể muốn đọc các hướng dẫn Python SciPy sau đây
- Khoảng tin cậy Python scipy
- Python scipy lognormal
- Làm mịn Python scipy
- Kiểm tra Chi-Square Python
- Mô-đun đặc biệt Python scipy
- Ma trận scipy Python + Ví dụ
Trong hướng dẫn này, chúng ta đã học cách tạo ma trận CSR và cũng khám phá cách sắp xếp, tìm chỉ mục của các phần tử tối đa và tối thiểu với hình dạng của ma trận, v.v. Ngoài ra bao gồm các chủ đề sau
- Scipy Sparse Csr_matrix là gì
- Python scipy thưa thớt Csr_matrix
- Python Scipy thưa thớt Csr_matrix Nhân lên
- Python Scipy Sparse Csr_matrix Indptr
- Dấu chấm Csr_matrix thưa thớt của Python Scipy
- Python Scipy Hình dạng Csr_matrix thưa thớt
- Python Scipy Sparse Csr_matrix Sắp xếp chỉ số
- Python Scipy Sparse Csr_matrix Nnz
- Chuyển vị Csr_matrix thưa thớt của Python Scipy
- Python Scipy Sparse Csr_matrix Argmax
- Python Scipy Sparse Csr_matrix Argmin
Bijay Kumar
Python là một trong những ngôn ngữ phổ biến nhất ở Hoa Kỳ. Tôi đã làm việc với Python trong một thời gian dài và tôi có kinh nghiệm làm việc với nhiều thư viện khác nhau trên Tkinter, Pandas, NumPy, Turtle, Django, Matplotlib, Tensorflow, Scipy, Scikit-Learn, v.v… Tôi có kinh nghiệm làm việc với nhiều khách hàng khác nhau . Kiểm tra hồ sơ của tôi