Python 将2d矩阵最大化并获得最大项索引的最有效方法是什么?
我找到了以下关于使用“numpy”和“block_reduce”撇取实现最大池的答案。但它没有显示如何获得最大值的索引(最好是相对于实际矩阵,而不是合并的矩阵)。计算速度最快的解决方案是什么Python 将2d矩阵最大化并获得最大项索引的最有效方法是什么?,python,conv-neural-network,max-pooling,Python,Conv Neural Network,Max Pooling,我找到了以下关于使用“numpy”和“block_reduce”撇取实现最大池的答案。但它没有显示如何获得最大值的索引(最好是相对于实际矩阵,而不是合并的矩阵)。计算速度最快的解决方案是什么 import numpy as np import skimage.measure a = np.array([ [ 20, 200, -5, 23], [ -13, 134, 119, 100], [ 120, 32, 49, 25],
import numpy as np
import skimage.measure
a = np.array([
[ 20, 200, -5, 23],
[ -13, 134, 119, 100],
[ 120, 32, 49, 25],
[-120, 12, 9, 23]
])
skimage.measure.block_reduce(a, (2,2), np.max)
np.argmax
起作用。不,它不起作用。获取错误,TypeError:“tuple”对象不能解释为整数