美文网首页
ND4J/定制操作

ND4J/定制操作

作者: hello风一样的男子 | 来源:发表于2019-04-03 10:03 被阅读0次
package org.nd4j.examples;

import org.nd4j.linalg.api.ndarray.INDArray;
import org.nd4j.linalg.api.ops.CustomOp;
import org.nd4j.linalg.api.ops.DynamicCustomOp;
import org.nd4j.linalg.factory.Nd4j;

/**
 *
 * 定制操作是那些在C++ (libnd4j)中定义的,它们还没有被映射为具有Java便利方法,如1.0.0-beta版本。
 * 最终,所有的操作都将被映射成具有Java便利性的方法。同时,可以使用下面显示的“DynamicCustomOp”方法访问它们
 *
 */
public class CustomOpsExamples {


    public static void main(String[] args){

        //第一个示例:反转操作。此操作沿指定维度反转值。
        //c++代码:https://github.com/deeplearning4j/libnd4j/blob/master/include/ops/declarable/generic/transforms/reverse.cpp#L15
        
        //生成线性间隔向量,如下生成1-50,步长大小为50的标量 
        INDArray input = Nd4j.linspace(1, 50, 50)
                        //变形为5行10列的二维数组
                        .reshape(5,10);
        
        //按输入形状创建一个输出数组
        INDArray output = Nd4j.create(input.shape());
        
        //反转操作
        CustomOp op = DynamicCustomOp.builder("reverse")
            .addInputs(input)
            .addOutputs(output)
            //沿维度0(行)进行反转
            .addIntegerArguments(0)
            .build();
        
        //执行操作
        Nd4j.getExecutioner().exec(op);

        System.out.println("反转前");
        System.out.println(input);
        System.out.println();
        System.out.println("反转后");
        System.out.println(output);

       

        
        //另一个例子:网格
        //c++ 代码: https://github.com/deeplearning4j/libnd4j/blob/master/include/ops/declarable/generic/broadcastable/meshgrid.cpp
        //创建[[         0,    0.3333,    0.6667,    1.0000]],即从0开始到1,生成4个数字,每个数字值=((1-0)/(4-1))n   n=0,1,2,3
        INDArray input1 = Nd4j.linspace(0, 1, 4);
        //创建[[         0,    0.2500,    0.5000,    0.7500,    1.0000]],即从0开始到1,生成5个数字,每个数字值=((1-0)/(5-1))n  n=0,1,2,3,4
        INDArray input2 = Nd4j.linspace(0, 1, 5);
        
        //创建5行4列的二维数组
        INDArray output1 = Nd4j.create(5,4);
        //创建5行4列的二维数组
        INDArray output2 = Nd4j.create(5,4);

        //meshgrid详情参考https://blog.csdn.net/u013346007/article/details/54581253
        op = DynamicCustomOp.builder("meshgrid")
            .addInputs(input1, input2)
            .addOutputs(output1,output2)
            .build();
        
        Nd4j.getExecutioner().exec(op);
        
        System.out.println("meshgrid前");
        System.out.println(input1 + "\n\n" + input2);
        
        System.out.println("meshgrid后");
        //output1=input1列数*input2列数=4*5的矩阵,即用input1垂直堆叠n=input2列数 次
        //output2=input2转置后水平堆叠n=input1列数 次
        System.out.println(output1 + "\n\n"+output2);

    }

}

运行结果

反转前
[[    1.0000,    2.0000,    3.0000,    4.0000,    5.0000,    6.0000,    7.0000,    8.0000,    9.0000,   10.0000], 
 [   11.0000,   12.0000,   13.0000,   14.0000,   15.0000,   16.0000,   17.0000,   18.0000,   19.0000,   20.0000], 
 [   21.0000,   22.0000,   23.0000,   24.0000,   25.0000,   26.0000,   27.0000,   28.0000,   29.0000,   30.0000], 
 [   31.0000,   32.0000,   33.0000,   34.0000,   35.0000,   36.0000,   37.0000,   38.0000,   39.0000,   40.0000], 
 [   41.0000,   42.0000,   43.0000,   44.0000,   45.0000,   46.0000,   47.0000,   48.0000,   49.0000,   50.0000]]

反转后
[[   10.0000,    9.0000,    8.0000,    7.0000,    6.0000,    5.0000,    4.0000,    3.0000,    2.0000,    1.0000], 
 [   20.0000,   19.0000,   18.0000,   17.0000,   16.0000,   15.0000,   14.0000,   13.0000,   12.0000,   11.0000], 
 [   30.0000,   29.0000,   28.0000,   27.0000,   26.0000,   25.0000,   24.0000,   23.0000,   22.0000,   21.0000], 
 [   40.0000,   39.0000,   38.0000,   37.0000,   36.0000,   35.0000,   34.0000,   33.0000,   32.0000,   31.0000], 
 [   50.0000,   49.0000,   48.0000,   47.0000,   46.0000,   45.0000,   44.0000,   43.0000,   42.0000,   41.0000]]
meshgrid前
[[         0,    0.3333,    0.6667,    1.0000]]

[[         0,    0.2500,    0.5000,    0.7500,    1.0000]]
meshgrid后
[[         0,    0.3333,    0.6667,    1.0000], 
 [         0,    0.3333,    0.6667,    1.0000], 
 [         0,    0.3333,    0.6667,    1.0000], 
 [         0,    0.3333,    0.6667,    1.0000], 
 [         0,    0.3333,    0.6667,    1.0000]]

[[         0,         0,         0,         0], 
 [    0.2500,    0.2500,    0.2500,    0.2500], 
 [    0.5000,    0.5000,    0.5000,    0.5000], 
 [    0.7500,    0.7500,    0.7500,    0.7500], 
 [    1.0000,    1.0000,    1.0000,    1.0000]]


翻译:风一样的男子

image

相关文章

  • ND4J/定制操作

    运行结果 翻译:风一样的男子

  • DL4J中文文档/ND4J/语法

    有关完整的ND4J API索引,请参考javadoc。 ND4J中使用了三种类型的操作:标量、转换和累加。我们将使...

  • Deeplearning4j - ND4j方法快速索引

    Deeplearning4j - ND4j方法快速索引 ND4J和ND4S是JVM的科学计算库,并为生产环境设计,...

  • DL4J中文文档/ND4J/基本用法

    介绍 线性代数的基本运算是矩阵的生成、加法和乘法。本指南将向你展示如何使用ND4J以及各种高级转换执行这些操作。 ...

  • DL4J中文文档/ND4J/矩阵操作

    在学习nd4j的过程中,还有其他一些基本的矩阵操作要突出显示。(示例代码) 转置 矩阵的转置是它的镜像。矩阵A第1...

  • docker

    FROM: 定制的镜像都是基于 FROM 的镜像,这里的 nginx 就是定制需要的基础镜像。后续的操作都是基于 ...

  • Deeplearning4j - 使用nd4j导入tensorf

    Deeplearning4j - 使用nd4j导入tensorflow模型 在dl4j-example里面新增了模...

  • Docker笔记三:Dockerfile定制镜像

    镜像的定制实际上就是定制每一层所添加的配置、文件。使用Dockerfile可以记录每一层操作的命令,然后用它来定制...

  • 微服务 在 Boss 的应用

    目的 减少复杂的业务, 限制业务边界 定制化容易操作 和 定制化 可以基于版本的基线 监控各个端口, API 影响...

  • Dockerfile详解

    FROM 镜像名定制的镜像都是基于 FROM 的镜像,这里的 nginx 就是定制需要的基础镜像,后续的操作都是基...

网友评论

      本文标题:ND4J/定制操作

      本文链接:https://www.haomeiwen.com/subject/mthabqtx.html