我正在计算 NN 的成本函数。我对从 numpy.dot 得到的 (1,1) 答案做了一个 numpy.squeeze。然后我得到一个形状为 (0,1) 的 ndarray。
什么是形状 () 的 ndarray，形状 (1,) 的 ndarray 与形状 (5) 中的一个有何不同？
最佳答案
(1, 1)类似于 [[3]] ，就像一个 1x1 矩阵。 (1,)类似于 [3] ，就像一个大小为 1 的向量。() ，又名标量，类似于 3 . 区别很微妙，因为由于广播规则，标量和数组通常可以毫无问题地组合在一起，但是您不能索引标量，而您可以索引大小为 1 的向量或大小为 1x1 的矩阵。另一方面，标量通常可以像原始 Python 值一样使用，例如
int或 float .如果您不想拥有标量，您可以传递 axis np.squeeze 的参数确保某些尺寸不被挤压或使用 np.atleast_1d 确保你传递的任何东西至少有一个维度。您还可以使用 np.isscalar 检查某事物是否为标量.
关于python-2.7 - np.squeeze 从形状 (1,1) 之后返回的形状 () ndarray 是什么？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/45862778/