axis

https://blog.csdn.net/sky_kkk/article/details/79725646 numpy中axis取值的说明 首先对numpy中axis取值进行说明：一维数组时axis=0，二维数组时axis=0，1，维数越高，则axis可取的值越大，数组n维时，axis=0，1，…，n。为了方便下面的理解，我们这样看待：在numpy中数组都有着[]标记，则axis=0对应着最外层的[]，axis=1对应第二外层的[]，以此类推，axis=n对应第n外层的[]。 下面开始从axis=0，axis=1这两个例子开始，深入透彻的理解numpy中axis的用法。 axis = 0表示对最外层[]里的最大单位块做块与块之间的运算,同时移除最外层[]： a= np.array([1,2,3]) a.sum(axis = 0) >>>6 123 因为只有一层[]，所以直接对这一层里的最大单位快1，2，3做运算； 做完加法后本应是[6]，但是移除最外层[]后，[]不存在了，所以返回的是6。 a= np.array([[1,2],[3,4]]) a.sum(axis = 0) >>>array([4, 6]) 123 有两层[]，最外层[]里的最大单位块分别为[1,2]，[3,4]，对这两个单位块做块与块之间的运算，[1,2]+[3,4] = [4, 6]； 做完加法后本应是[[4

Python3快速入门（十三）——Pandas数据结构 一、Pandas数据结构简介 Pandas有三种主要数据结构，Series、DataFrame、Panel。 Series是带有标签的一维数组，可以保存任何数据类型（整数，字符串，浮点数，Python对象等），轴标签统称为索引（index）。 DataFrame是带有标签的二维数据结构，具有index（行标签）和columns（列标签）。如果传递index或columns，则会用于生成的DataFrame的index或columns。 Panel是一个三维数据结构，由items、major_axis、minor_axis定义。items（条目），即轴0，每个条目对应一个DataFrame；major_axis（主轴），即轴1，是每个DataFrame的index（行）；minor_axis（副轴），即轴2，是每个DataFrame的columns（列）。 二、Series 1、Series简介 Series是能够保存任何类型数据(整数，字符串，浮点数，Python对象等)的一维标记数组，轴标签统称为index（索引）。 series是一种一维数据结构，每一个元素都带有一个索引，其中索引可以为数字或字符串。Series结构名称： 2、Series对象构造 Series构造函数如下： pandas.Series( data,

前言 只有光头才能变强。 回顾前面： 从零开始学TensorFlow【01-搭建环境、HelloWorld篇】 什么是TensorFlow？ TensorFlow读写数据 不知道大家最开始接触到axis的时候是怎么样的，反正我是挺难理解的..我们可以发现TensorFlow的很多API都有axis这个参数，如果我们对axis不了解，压根不知道API是怎么搞的。 一句话总结axis：axis可以方便我们 将数据进行不同维度的处理 。 一、理解axis 如果你像我一样，发现API中有axis这个参数，但不知道是什么意思。可能就会搜搜axis到底代表的什么意思。于是可能会类似搜到下面的信息： 使用0值表示沿着每一列或行标签\索引值向下执行方法( axis=0代表往跨行 ) 使用1值表示沿着每一行或者列标签模向执行对应的方法( axis=1代表跨列 ) 但我们又知道，我们的数组不单单只有二维的，还有三维、四维等等。 一旦维数超过二维，就无法用简单的行和列来表示了 。 所以，可以用我下面的方式进行理解： axis=0 将最开外头的括号去除，看成一个整体，在这个整体上进行运算 axis=1 将第二个括号去除，看成一个整体，在这个整体上进行运算 ...依次类推 话不多说，下面以例子说明~ 1.1二维数组之concat 首先，我们来看个 concat 的例子，concat第一个参数接收val

from pandas import Series , DataFrame import pandas as pd Series Series是pandas的基本数据类型，包含一个数组的数据（任何NumPy的数据类型）和一个与数组关联的数据标签,也称为索引 ses = Series ( list ( range ( 15 , 18 ) ) ) ses #左边为索引一列为默认索引，右边一列为值 0 15 1 16 2 17 dtype: int64 读取ses的索引和值 ses . index RangeIndex(start=0, stop=3, step=1) ses . values array([15, 16, 17], dtype=int64) 也可以指明其索引进行记性创建 ses1 = Series ( list ( range ( 15 , 20 ) ) , index = [ "a" , "b" , "c" , "d" , "e" ] ) ses1 a 15 b 16 c 17 d 18 e 19 dtype: int64 series 更像是一个字典，可以使用索引-值的形式进行访问 "a" in ses1 True ses1 [ "a" ] 15 也可以通过字典创建series dic = { "e" : 1 , "f" : 10 } ses2 = Series (

转自：https://blog.csdn.net/fangjian1204/article/details/53055219 来源： https://www.cnblogs.com/olivertian/p/11325237.html

本blog为github上 CharlesShang/TFFRCNN 版源码解析系列代码笔记 --------------- 个人学习笔记 --------------- ---------------- 本文作者吴疆 -------------- ------ 点击此处链接至博客园原文 ------ """Transform a roidb into a trainable roidb by adding a bunch of metadata 元数据.""" 1.prepare_roidb(imdb) roidb = imdb.roidb ，增加 roidb[i]中'image'(记录图像路径)、'width'(记录图像宽)、'height'（记录图像高）、'max_classes'(记录图像中各roi与哪类gt IOU最大)、'max_overlaps'（记录各roi与gt最大的IOU值）字段赋值得到( 'imdb' )数据集所有图像的roidb， 未见调用 # 增加roidb[i]中'image'(记录图像路径)、'width'(记录图像宽)、'height'（记录图像高）、 # 'max_classes'(记录该图像中各roi与哪类gt IOU最大)、'max_overlaps'（记录各roi与gt最大的IOU值）字段赋值得到数据集所有图像的roidb def

【本人初学，一点感悟，如有不当，请不吝指教】 很多人想达到 3D 场景中，基于鼠标控制的 Camera 任意角度旋转，其实不难，分为其下两步： 一、 基于鼠标移动过程的建模 这一步，在于你是如何理解 mouse 在一个二维平面从 previousposition 到 currentpositon 所表示的意图，网络上有一种很通用的方法 “virtual trackball” 。本人目前也是采用的这种方法，故而在这里简单介绍一下 ： 1． 直观感觉（ Daniel Lehenbauer 主页） Figure 1 Moving with mouse 2． 理解 把整个空间的场景先归一化到一个单位立方体，视野里的平面即为一个中心切面，鼠标在平面（ 2 维空间）的坐标可以映射到一个三维球面上（注意：这里是映射到 3 维球面上，如果你有更好的模型，完全可以映射到更好的三维空间中），这样就理解成球面上的移动，进而产生旋转的效果。 这是 2 维平面点映射到 3 维球面点的方法： private Vector3D TransTo3DPoint( Double width, Double height, Point point) { Double x = point.X / (width / 2); // Scale so bounds map to [0,0] - [2,2] Double y =