DL4J实战之五:矩阵操作基本功
内容:所有原创文章分类汇总及配套源码,涉及Java、Docker、Kubernetes、DevOPS等;
本篇概览
作为《DL4J实战》系列的第五篇,在前面对深度学习有一定的了解后,本篇会暂停深度学习相关的操作,转为基本功练习:矩阵操作,即INDArray接口的基本用法
INDArray的类图如下,由于BaseNDArray是个抽象类,因此在实际使用中,咱们用的都是NDArray的实例:
之所以用一篇文章来学习矩阵操作,是因为后面的实战过程中处处都有它,处处离不开它,若不熟练就会寸步难行;
本篇涉及的API较多,因此先做好归类,后面的代码按照分类来写会清晰一些,一共分为五类:矩阵属性、创建操作、读操作、写操作、矩阵计算,接下来用思维导图列出每一类的常用API
矩阵属性:
创建操作:
读操作:
写操作:
矩阵计算:
源码下载
本篇实战中的完整源码可在GitHub下载到,地址和链接信息如下表所示(github.com/zq2599/blog…
名称 | 链接 | 备注 |
---|---|---|
项目主页 | github.com/zq2599/blog… | 该项目在GitHub上的主页 |
git仓库地址(https) | github.com/zq2599/blog… | 该项目源码的仓库地址,https协议 |
git仓库地址(ssh) | git@github.com:zq2599/blog_demos.git | 该项目源码的仓库地址,ssh协议 |
这个git项目中有多个文件夹,《DL4J实战》系列的源码在dl4j-tutorials文件夹下,如下图红框所示:
dl4j-tutorials文件夹下有多个子工程,本次实战代码在ndarray-experience目录下,如下图红框:
创建工程
在父工程dl4j-tutorials下新建名为ndarray-experience的子工程,其pom.xml如下:
<?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd"> <parent> <artifactId>dlfj-tutorials</artifactId> <groupId>com.bolingcavalry</groupId> <version>1.0-SNAPSHOT</version> </parent> <modelVersion>4.0.0</modelVersion> <artifactId>ndarray-experience</artifactId> <dependencies> <dependency> <groupId>org.nd4j</groupId> <!--注意要用nd4j-native-platform,否则容器启动时报错:no jnind4jcpu in java.library.path--> <artifactId>${nd4j.backend}</artifactId> </dependency> <dependency> <groupId>ch.qos.logback</groupId> <artifactId>logback-classic</artifactId> </dependency> </dependencies> </project> 复制代码
接下来的代码都写在ndarray-experience工程中
最基本的方法
先列出两个最基本的方法,后面学习时会频繁用到它们:
rand:秩,维数,例如2行3列的二维矩阵,rand方法返回值等于2
shape:矩阵每个维度的大小,如2行3列的二维矩阵,shape方法返回值等于[2, 3]
准备一个静态方法,可以将INDArray实例的详情打印出来,用的就是rand和shape方法:
private static void disp(String type, INDArray indArray) { StringBuilder stringBuilder = new StringBuilder("*****************************************************\n"); stringBuilder.append(type) .append("\n维度 : ").append(indArray.rank()) .append("\n形状 : ").append(Arrays.toString(indArray.shape())) .append("\n完整矩阵 : \n").append(indArray); System.out.println(stringBuilder); } 复制代码
创建矩阵
全零矩阵:zeros
// 创建2行3列的全零矩阵 INDArray indArray0 = Nd4j.zeros(2, 3); disp("全零矩阵", indArray0); 复制代码
执行结果
全零矩阵 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 0, 0, 0], [ 0, 0, 0]] 复制代码
全1矩阵:ones
// 创建2行3列的全一矩阵 INDArray indArray1 = Nd4j.ones(2, 3); disp("全一矩阵", indArray1); 复制代码
执行结果
全一矩阵 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 1.0000, 1.0000, 1.0000], [ 1.0000, 1.0000, 1.0000]] 复制代码
全是指定值的矩阵:valueArrayOf
// 创建2行3列的全是指定值的矩阵 INDArray indArray2 = Nd4j.valueArrayOf(new int[] {2, 3}, 888); disp("全是指定值(888)的矩阵", indArray2); 复制代码
执行结果
全是指定值(888)的矩阵 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 888.0000, 888.0000, 888.0000], [ 888.0000, 888.0000, 888.0000]] 复制代码
rand:随机矩阵(0到1之间的随机数)
// 创建2行3列的随机矩阵 INDArray indArray2 = Nd4j.rand(2, 3); disp("随机矩阵", indArray2); 复制代码
执行结果
随机矩阵 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 0.7236, 0.5159, 0.1908], [ 0.9458, 0.4413, 0.4173]] 复制代码
随机高斯分布的矩阵(平均值为0,标准差为1):randn
// 创建2行3列的随机高斯分布矩阵 INDArray indArray3 = Nd4j.randn(2, 3); disp("随机高斯分布矩阵", indArray3); 复制代码
执行结果
随机高斯分布矩阵 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ -0.4287, -0.5790, 0.5004], [ -0.5122, 1.0551, -0.1998]] 复制代码
等差数列:linspace
// 创建等差数列, // 从1到6、长度为10的等差数列 INDArray indArray4 = Nd4j.linspace(1,6, 10); disp("等差数列", indArray4); 复制代码
执行结果
等差数列 维度 : 1 形状 : [10] 完整矩阵 : [ 1.0000, 1.5556, 2.1111, 2.6667, 3.2222, 3.7778, 4.3333, 4.8889, 5.4444, 6.0000] 复制代码
根据数组创建矩阵:create(float[] data, int[] shape)
// 根据数组创建2行3列的矩阵 INDArray indArray6 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3}); disp("根据数组创建矩阵", indArray6); 复制代码
执行结果
根据数组创建矩阵 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 1.0000, 2.0000, 3.0000], [ 4.0000, 5.0000, 6.0000]] 复制代码
三维矩阵
// 三维矩阵 INDArray indArray7 = Nd4j.valueArrayOf(new int[] {2, 2, 3}, 888); disp("三维矩阵", indArray7); ```shell 三维矩阵 维度 : 3 形状 : [2, 2, 3] 完整矩阵 : [[[ 888.0000, 888.0000, 888.0000], [ 888.0000, 888.0000, 888.0000]], [[ 888.0000, 888.0000, 888.0000], [ 888.0000, 888.0000, 888.0000]]] 复制代码
创建正方形二维矩阵,并且对角线上的元素值都是1.0:
// 创建3行3列的二维矩阵,对角线值为1.0 INDArray indArray10 = Nd4j.eye(3); disp("3*3矩阵,且对角线都是1.0", indArray10); 复制代码
执行结果
3*3矩阵,且对角线都是1.0 维度 : 2 形状 : [3, 3] 完整矩阵 : [[ 1.0000, 0, 0], [ 0, 1.0000, 0], [ 0, 0, 1.0000]] 复制代码
读操作
接下来试试读取相关的操作,回顾前面用数组创建的2行3列的矩阵,内容如下:
[[ 1.0000, 2.0000, 3.0000], [ 4.0000, 5.0000, 6.0000]] 复制代码
读取指定位置:
System.out.println("读取第一行第一列位置的值 : " + indArray6.getDouble(1,1)); 复制代码
执行结果
读取第一行第一列位置的值 : 5.0 复制代码
指定行:
System.out.println("读取第一行 : " + indArray6.getRow(1)); 复制代码
执行结果
读取第一行 : [ 4.0000, 5.0000, 6.0000] 复制代码
指定列:
System.out.println("读取第二列 : " + indArray6.getColumn(2)); 复制代码
执行结果
读取第二列 : [ 3.0000, 6.0000] 复制代码
指定多列:
System.out.println("读取第二、三列 : " + indArray6.getColumns(1,2)); 复制代码
执行结果
读取第二、三列 : [[ 2.0000, 3.0000], [ 5.0000, 6.0000]] 复制代码
写操作
接下来试试读取相关的操作,回顾前面用数组创建的2行3列的矩阵,内容如下:
[[ 1.0000, 2.0000, 3.0000], [ 4.0000, 5.0000, 6.0000]] 复制代码
修改指定位置,查看了源码后发现,put方法内容实际上是在调用putScalar方法:
indArray6.put(1,1, 123); indArray6.putScalar(0,0, 456); disp("a. 修改后", indArray6); 复制代码
执行结果
a. 修改后 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 456.0000, 2.0000, 3.0000], [ 4.0000, 123.0000, 6.0000]] 复制代码
修改整行:
// 准备一维数组 INDArray row1 = Nd4j.create(new float[] {9,8,7}); // 用一维数组替换矩阵的整行 indArray6.putRow(1, row1); disp("b. 修改后", indArray6); 复制代码
执行结果
b. 修改后 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 456.0000, 2.0000, 3.0000], [ 9.0000, 8.0000, 7.0000]] 复制代码
矩阵计算
矩阵计算,咱们从最基本的四则运算开始
加减乘除,入参是一个标量,会与矩阵中的所有元素做计算
// 准备好原始数据,2行3列矩阵 indArray6 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3}); // 加法 disp("加法", indArray6.add(1)); // 减法 disp("减法", indArray6.sub(1)); // 乘法 disp("乘法", indArray6.mul(2)); // 除法 disp("除法", indArray6.div(2)); 复制代码
执行结果
加法 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 2.0000, 3.0000, 4.0000], [ 5.0000, 6.0000, 7.0000]] ***************************************************** 减法 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 0, 1.0000, 2.0000], [ 3.0000, 4.0000, 5.0000]] ***************************************************** 乘法 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 2.0000, 4.0000, 6.0000], [ 8.0000, 10.0000, 12.0000]] ***************************************************** 除法 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 0.5000, 1.0000, 1.5000], [ 2.0000, 2.5000, 3.0000]] 复制代码
前面的add方法,执行完毕后会生成一个新的NDArray实例,不影响原对象,但如果调用的是addi,就会修改原对象的内容:
INDArray indArray8 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3}); disp("替换前", indArray8); indArray8.addi(1); disp("替换后", indArray8); 复制代码
执行结果
替换前 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 1.0000, 2.0000, 3.0000], [ 4.0000, 5.0000, 6.0000]] ***************************************************** 替换后 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 2.0000, 3.0000, 4.0000], [ 5.0000, 6.0000, 7.0000]] 复制代码
展开:Nd4j.toFlattened,2行3列的二维矩阵展开后成了一维的
disp("展开", Nd4j.toFlattened(indArray6)); 复制代码
执行结果
展开 维度 : 1 形状 : [6] 完整矩阵 : [ 1.0000, 2.0000, 3.0000, 4.0000, 5.0000, 6.0000] 复制代码
转换:reshape,相当于使用原有数据,但是换一个shape入参
disp("转换", indArray6.reshape(3,2)); 复制代码
执行结果
转换 维度 : 2 形状 : [3, 2] 完整矩阵 : [[ 1.0000, 2.0000], [ 3.0000, 4.0000], [ 5.0000, 6.0000]] 复制代码
提取正方形矩阵的对角线:diag,得到的结果是一维的
// 创建一个人3行3列的正方形矩阵 INDArray indArray9 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6, 7, 8, 9}, new int[] {3,3}); disp("3*3矩阵", indArray9); // 提取正方形矩阵的对角线 disp("3*3矩阵的对角线", Nd4j.diag(indArray9)); 复制代码
执行结果如下图,diag方法得到了源对象的对角线
基于源矩阵形状创建新矩阵,且值都相通(入参值),然后用此新矩阵减去源矩阵:rsub
// 初始化一个2行3列的矩阵 INDArray indArray11 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3}); // 参考indArray12的结构创建一个2行3列的矩阵,该矩阵的所有元素的值都等于10(入参), // 然后,用该矩阵减去indArray11,结果作为rsub方法的返回值返回 INDArray indArray12 = indArray11.rsub(10); disp("rsub方法", indArray12); 复制代码
执行结果如下,可见所有值都是10减去源矩阵对应位置的值:
rsub方法 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 9.0000, 8.0000, 7.0000], [ 6.0000, 5.0000, 4.0000]] 复制代码
两个矩阵相加:add,两个形状相通的矩阵,同样位置的值相加:
INDArray indArray13 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3}); INDArray indArray14 = Nd4j.create(new float[] {1, 1, 1, 1, 1, 1}, new int[] {2,3}); disp("矩阵相加", indArray13.add(indArray14)); 复制代码
执行结果
矩阵相加 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 2.0000, 3.0000, 4.0000], [ 5.0000, 6.0000, 7.0000]] 复制代码
叉乘:mmul,2行3列乘以3行2列,
INDArray indArray13 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3}); INDArray indArray15 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {3,2}); disp("2行3列", indArray13); disp("3行2列", indArray15); disp("2行3列矩阵与3行2列矩阵的叉乘", indArray13.mmul(indArray15)); 复制代码
执行结果,可见,2行3列矩阵的每一行的元素,都和3行2列矩阵每一列的元素做两两相乘再相加,一共四个值,所以结果就是2行2列的矩阵:
矩阵所有元素值累加:sum
INDArray indArray16 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3}); // 总和 double sum = indArray16.sum().getDouble(); System.out.println("矩阵元素累加和 : " + sum); 复制代码
执行结果
矩阵元素累加和 : 21.0 复制代码
转置操作(不改变源对象):transpose
INDArray indArray16 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3}); disp("转置前", indArray16); disp("转置操作", indArray16.transpose()); disp("transpose操作后的原值(不变)", indArray16); 复制代码
执行结果,可见2行3列转置后变成了3行2列,但是生成了新对象,而源对象未改变
转置前 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 1.0000, 2.0000, 3.0000], [ 4.0000, 5.0000, 6.0000]] ***************************************************** 转置操作 维度 : 2 形状 : [3, 2] 完整矩阵 : [[ 1.0000, 4.0000], [ 2.0000, 5.0000], [ 3.0000, 6.0000]] ***************************************************** transpose操作后的原值(不变) 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 1.0000, 2.0000, 3.0000], [ 4.0000, 5.0000, 6.0000]] 复制代码
转置操作(源对象被改变):transposei
INDArray indArray16 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3}); disp("转置前", indArray16); disp("转置操作", indArray16.transposei()); disp("transposei操作后的原值(已变)", indArray16); 复制代码
执行结果
转置前 维度 : 2 形状 : [2, 3] 完整矩阵 : [[ 1.0000, 2.0000, 3.0000], [ 4.0000, 5.0000, 6.0000]] ***************************************************** 转置操作 维度 : 2 形状 : [3, 2] 完整矩阵 : [[ 1.0000, 4.0000], [ 2.0000, 5.0000], [ 3.0000, 6.0000]] ***************************************************** transposei操作后的原值(已变) 维度 : 2 形状 : [3, 2] 完整矩阵 : [[ 1.0000, 4.0000], [ 2.0000, 5.0000], [ 3.0000, 6.0000]] 复制代码
横向拼接:hstack,要求两个矩阵行数相等
// 2行3列 INDArray indArray17 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3}); // 2行1列 INDArray indArray18 = Nd4j.create(new float[] {1, 2}, new int[] {2,1}); disp("源矩阵", indArray17); disp("拼接上的矩阵", indArray18); // 2行3列的矩阵,横向拼接一列后,变成了2行4列 disp("横向拼接(每一行都增加一列)", Nd4j.hstack(indArray17, indArray18)); 复制代码
执行结果如下图,可见是把indArray18 横着拼到indArray17 的右侧
纵向拼接:vstack,要求两个矩阵列数相等
// 2行3列 INDArray indArray19 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3}); // 1行3列 INDArray indArray20 = Nd4j.create(new float[] {1, 2, 3}, new int[] {1,3}); disp("源矩阵", indArray17); disp("拼接上的矩阵", indArray18); // 2行3列的矩阵,纵向拼接一行,变成了3行3列 disp("纵向拼接(增加一行)", Nd4j.vstack(indArray19, indArray20)); 复制代码
执行结果如下图,可见是把indArray20放在了indArray19的底部
以上就是矩阵操作的常用API了,希望能给您一些参考,在深度学习的开发中更熟练的操作数据
作者:程序员欣宸
链接:https://juejin.cn/post/7020928441637666823