在Python中数组索引中使用None
我正在使用Theano()的LSTM教程。在lstm.py()文件中,我不理解以下行:在Python中数组索引中使用None,python,theano,Python,Theano,我正在使用Theano()的LSTM教程。在lstm.py()文件中,我不理解以下行: c = m_[:, None] * c + (1. - m_)[:, None] * c_ m[:,无]是什么意思?在这种情况下,m是theano向量,而c是矩阵。我认为theano向量的\uu getitem\uuu方法需要一个元组作为参数!像这样: class Vect (object): def __init__(self,data): self.data=list(data)
c = m_[:, None] * c + (1. - m_)[:, None] * c_
m[:,无]
是什么意思?在这种情况下,m
是theano向量,而c
是矩阵。我认为theano向量的\uu getitem\uuu
方法需要一个元组作为参数!像这样:
class Vect (object):
def __init__(self,data):
self.data=list(data)
def __getitem__(self,key):
return self.data[key[0]:key[1]+1]
a=Vect('hello')
print a[0,2]
此处打印[0,2]
当a
为普通列表时,将引发异常:
>>> a=list('hello')
>>> a[0,2]
Traceback (most recent call last):
File "<string>", line 1, in <module>
TypeError: list indices must be integers, not tuple
说到None
,在普通Python中编制索引时也可以使用它:
>>> 'hello'[None:None]
'hello'
这个问题已经在Theano邮件列表中被问到和回答,但实际上是关于numpy索引的基础知识 以下是问题和答案 为完整起见,这里有另一种解释:使用
None
进行切片会将轴添加到数组中,请参阅相关的numpy文档,因为它在numpy和THANO中的行为相同:
请注意,np.newaxis是None
:
import numpy as np
a = np.arange(30).reshape(5, 6)
print a.shape # yields (5, 6)
print a[np.newaxis, :, :].shape # yields (1, 5, 6)
print a[:, np.newaxis, :].shape # yields (5, 1, 6)
print a[:, :, np.newaxis].shape # yields (5, 6, 1)
通常,这用于调整形状,使其能够广播到更高的维度。例如,中轴线上的7次拼接可以达到
b = a[:, np.newaxis] * np.ones((1, 7, 1))
print b.shape # yields (5, 7, 6), 7 copies of a along the second axis
实际上,在普通列表上调用
a[:,3]
会产生TypeError:列表索引必须是整数,而不是元组。然而,我不知道这里的元组是什么。你能详细说明一下吗?元组是逗号:P是的,python中使元组成为元组的实际东西是逗号,而不是paren。如果你想说得更清楚,你可以写一个[(:,3)]。@RishavKundu这就是为什么(“boo!”)
不是元组,而“merp”,
是元组的原因。我没有使用Theano,但它似乎与NumPy紧密集成,这引入了你正在处理的语法:Ondrej Slinták是正确的。查看中的代码,无张量被实现为NumPy数组,lstm.py显示slice()返回一个二维或三维NumPy数组。使用NumPy.array切片,None与向数组添加轴(维度)的newaxis对象相同,因此m_[:,None]将m_*的每个元素包装在一个数组中,例如,给定的导入NumPy作为np;a=np.array([[1,2],[3,4]]),那么a[:,None]就是np.array([[1,2]],[[3,4]])请确保先做一个基本的numpy教程,然后再做Theano教程。这将回答很多问题。
b = a[:, np.newaxis] * np.ones((1, 7, 1))
print b.shape # yields (5, 7, 6), 7 copies of a along the second axis