这里给出一维和二维数组的实例，至于三维及更高维的就自行脑补了 一维： 二维： 总结：None所在的位置就是需要升维的位置。 ...

《三体》让我们了解了什么是“降维打击”，在软件设计领域很多时候需要反其道而行。对于某个问题，如果不能有效的解决，可以考虑是否可以上升一个维度，从高维视角审视问题往往可以找到捷径。软件设计是抽象的艺术，“升维打击”实际上就是“维度”层面的抽象罢了。(本文实例从这里下载) 目录 一、源起：一个接口 ...

降维：　 比如某次卷积之后的结果是W*H*6的特征，现在需要用1*1的卷积核将其降维成W*H*5，即6个通道变成5个通道： 　　通过一次卷积操作，W*H*6将变为W*H*1，这样的话，使用5个1*1的卷积核，显然可以卷积出5个W*H*1，再做通道的串接操作，就实现了W*H*5。 升 ...

前置知识   矩阵的逆 知识地图   首先我们将了解一种叫升维的方法，用已有特征构造更多的特征。接着通过对空间与投影建立一定的概念后，推导出最小二乘法。 当特征数量不足时   在上一篇《初识线性回归》中，我们假设要处理的问题有足够的样本数量和足够的特征数量。记得样本数量是用m ...

此文章为本人学习所得，如有不足之处，欢迎指正，分享原创，一起进步 维度：数据的组织形式 一维数据 由对等关系的有序或无序数据构成，采用线性方式（一条直线排开）组织 对等关系：这些数据平级关系（不是包含、从属关系） 一维数据的表示----- 如果数据间有序：使用列表类型 ...

　　大名鼎鼎的UNet和我们经常看到的编解码器模型，他们的模型都是先将数据下采样，也称为特征提取，然后再将下采样后的特征恢复回原来的维度。这个特征提取的过程我们称为“下采样”，这个恢复的过程我们称为“上采样”，本文就专注于神经网络中的下采样和上采样来进行一次总结。写的不好勿 ...

图像的降采样与升采样（二维插值） 1、先说说这两个词的概念： 降采样，即是采样点数减少。对于一幅N*M的图像来说，如果降采样系数为k,则即是在原图中 每行每列每隔k个点取一个点组成一幅图像。降采样很容易实现. 升采样，也即插值。对于图像来说即是二维插值。如果升采样系数为k ...

需求：低版本excel对于使用透视表后，索引方向会出现合并，需要将其恢复为“台账”样式。 解决方法：可以使用reset_index()。 在Pandas中如何给多层索引降级： https://bl ...