numpy 常用函数

np.repeat

data 为 numpy 数组 size 为扩充的大小 axis 为扩充的维度

将 data 数组的 第2维度 数据扩充为 size 大小, 如果 data.shape = (100,1), 扩充后结果为 (100,size), 以第2维数据作为填充值。

data.repeat(size, axis=1)  # 扩展数据
1

np.repeat

将列表等数据转换为 numpy 数组

data = np.asarray(data)
1

np.swapaxes

更换 data 数组的 0 - 1 维度

np.swapaxes(data, 0, 1)
1

np.expand_dims

扩展 data 的维度, axis 代表要扩维度的轴

 np.expand_dims(data, axis=3)     # 扩展维度
1

numpy.squeeze(axis=None)

去除 numpy 数组 轴 = 1 的对应维度

numpy.squeeze(axis=1)
1

---

torch 常用函数

torch.cuda.is_available

测试 GPU 是否可用

torch.cuda.is_available()
1

tensor.to

将数据转换到设备上进行运算

device= 'cpu' | 'cuda'

trainX.to(device)
1

torch.tensor

将 numpy 数据转换为 tensor 格式

torch.tensor(test_segments)
1

tensor.detach().numpy()

将 tensor 数据转换为 numpy 格式

test_predict.detach().numpy()
1

---

数据处理函数

train_test_split

from sklearn.model_selection import train_test_split

将数据集根据划分比例划分, 默认乱序。

test_size = 小数 | 整数 小数代表划分比例, 整数代表测试集个数

shuffle = True | False 开启或关闭乱序

X_train, X_test, y_train, y_test = train_test_split(self.train_data, self.train_label,test_size=1,random_state=None, shuffle=False)  	# 开启随机
1

metrics.r2_score()

from sklearn import metrics

对预测结果的置信度进行评价

metrics.r2_score(labels, prediction)
1