歡迎訪問我的GitHub
https://github.com/zq2599/blog_demos
內容：所有原創文章分類匯總及配套源碼，涉及Java、Docker、Kubernetes、DevOPS等；
本篇概覽
- 作為《DL4J實戰》系列的第五篇，在前面對深度學習有一定的了解后，本篇會暫停深度學習相關的操作，轉為基本功練習：矩陣操作，即INDArray接口的基本用法
- INDArray的類圖如下，由於BaseNDArray是個抽象類，因此在實際使用中，咱們用的都是NDArray的實例：
-
之所以用一篇文章來學習矩陣操作，是因為后面的實戰過程中處處都有它，處處離不開它，若不熟練就會寸步難行；
-
本篇涉及的API較多，因此先做好歸類，后面的代碼按照分類來寫會清晰一些，一共分為五類：矩陣屬性、創建操作、讀操作、寫操作、矩陣計算，接下來用思維導圖列出每一類的常用API
-
矩陣屬性：
- 創建操作：
- 讀操作：
- 寫操作：
- 矩陣計算：
源碼下載
- 本篇實戰中的完整源碼可在GitHub下載到，地址和鏈接信息如下表所示(https://github.com/zq2599/blog_demos)：
| 名稱 | 鏈接 | 備注 |
|---|---|---|
| 項目主頁 | https://github.com/zq2599/blog_demos | 該項目在GitHub上的主頁 |
| git倉庫地址(https) | https://github.com/zq2599/blog_demos.git | 該項目源碼的倉庫地址，https協議 |
| git倉庫地址(ssh) | git@github.com:zq2599/blog_demos.git | 該項目源碼的倉庫地址，ssh協議 |
- 這個git項目中有多個文件夾，《DL4J實戰》系列的源碼在dl4j-tutorials文件夾下，如下圖紅框所示：
- dl4j-tutorials文件夾下有多個子工程，本次實戰代碼在ndarray-experience目錄下，如下圖紅框：
創建工程
- 在父工程dl4j-tutorials下新建名為ndarray-experience的子工程，其pom.xml如下：
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<parent>
<artifactId>dlfj-tutorials</artifactId>
<groupId>com.bolingcavalry</groupId>
<version>1.0-SNAPSHOT</version>
</parent>
<modelVersion>4.0.0</modelVersion>
<artifactId>ndarray-experience</artifactId>
<dependencies>
<dependency>
<groupId>org.nd4j</groupId>
<!--注意要用nd4j-native-platform，否則容器啟動時報錯：no jnind4jcpu in java.library.path-->
<artifactId>${nd4j.backend}</artifactId>
</dependency>
<dependency>
<groupId>ch.qos.logback</groupId>
<artifactId>logback-classic</artifactId>
</dependency>
</dependencies>
</project>
- 接下來的代碼都寫在ndarray-experience工程中
最基本的方法
-
先列出兩個最基本的方法，后面學習時會頻繁用到它們：
-
rand：秩，維數，例如2行3列的二維矩陣，rand方法返回值等於2
-
shape：矩陣每個維度的大小，如2行3列的二維矩陣，shape方法返回值等於[2, 3]
-
准備一個靜態方法，可以將INDArray實例的詳情打印出來，用的就是rand和shape方法：
private static void disp(String type, INDArray indArray) {
StringBuilder stringBuilder = new StringBuilder("*****************************************************\n");
stringBuilder.append(type)
.append("\n維度 : ").append(indArray.rank())
.append("\n形狀 : ").append(Arrays.toString(indArray.shape()))
.append("\n完整矩陣 : \n").append(indArray);
System.out.println(stringBuilder);
}
創建矩陣
- 全零矩陣：zeros
// 創建2行3列的全零矩陣
INDArray indArray0 = Nd4j.zeros(2, 3);
disp("全零矩陣", indArray0);
- 執行結果
全零矩陣
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 0, 0, 0],
[ 0, 0, 0]]
- 全1矩陣：ones
// 創建2行3列的全一矩陣
INDArray indArray1 = Nd4j.ones(2, 3);
disp("全一矩陣", indArray1);
- 執行結果
全一矩陣
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 1.0000, 1.0000, 1.0000],
[ 1.0000, 1.0000, 1.0000]]
- 全是指定值的矩陣：valueArrayOf
// 創建2行3列的全是指定值的矩陣
INDArray indArray2 = Nd4j.valueArrayOf(new int[] {2, 3}, 888);
disp("全是指定值(888)的矩陣", indArray2);
- 執行結果
全是指定值(888)的矩陣
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 888.0000, 888.0000, 888.0000],
[ 888.0000, 888.0000, 888.0000]]
- rand：隨機矩陣（0到1之間的隨機數）
// 創建2行3列的隨機矩陣
INDArray indArray2 = Nd4j.rand(2, 3);
disp("隨機矩陣", indArray2);
- 執行結果
隨機矩陣
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 0.7236, 0.5159, 0.1908],
[ 0.9458, 0.4413, 0.4173]]
- 隨機高斯分布的矩陣(平均值為0,標准差為1)：randn
// 創建2行3列的隨機高斯分布矩陣
INDArray indArray3 = Nd4j.randn(2, 3);
disp("隨機高斯分布矩陣", indArray3);
- 執行結果
隨機高斯分布矩陣
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ -0.4287, -0.5790, 0.5004],
[ -0.5122, 1.0551, -0.1998]]
- 等差數列：linspace
// 創建等差數列，
// 從1到6、長度為10的等差數列
INDArray indArray4 = Nd4j.linspace(1,6, 10);
disp("等差數列", indArray4);
- 執行結果
等差數列
維度 : 1
形狀 : [10]
完整矩陣 :
[ 1.0000, 1.5556, 2.1111, 2.6667, 3.2222, 3.7778, 4.3333, 4.8889, 5.4444, 6.0000]
- 根據數組創建矩陣：create(float[] data, int[] shape)
// 根據數組創建2行3列的矩陣
INDArray indArray6 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});
disp("根據數組創建矩陣", indArray6);
- 執行結果
根據數組創建矩陣
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 1.0000, 2.0000, 3.0000],
[ 4.0000, 5.0000, 6.0000]]
- 三維矩陣
// 三維矩陣
INDArray indArray7 = Nd4j.valueArrayOf(new int[] {2, 2, 3}, 888);
disp("三維矩陣", indArray7);
```shell
三維矩陣
維度 : 3
形狀 : [2, 2, 3]
完整矩陣 :
[[[ 888.0000, 888.0000, 888.0000],
[ 888.0000, 888.0000, 888.0000]],
[[ 888.0000, 888.0000, 888.0000],
[ 888.0000, 888.0000, 888.0000]]]
- 創建正方形二維矩陣，並且對角線上的元素值都是1.0：
// 創建3行3列的二維矩陣，對角線值為1.0
INDArray indArray10 = Nd4j.eye(3);
disp("3*3矩陣，且對角線都是1.0", indArray10);
- 執行結果
3*3矩陣，且對角線都是1.0
維度 : 2
形狀 : [3, 3]
完整矩陣 :
[[ 1.0000, 0, 0],
[ 0, 1.0000, 0],
[ 0, 0, 1.0000]]
讀操作
- 接下來試試讀取相關的操作，回顧前面用數組創建的2行3列的矩陣，內容如下：
[[ 1.0000, 2.0000, 3.0000],
[ 4.0000, 5.0000, 6.0000]]
- 讀取指定位置：
System.out.println("讀取第一行第一列位置的值 : " + indArray6.getDouble(1,1));
- 執行結果
讀取第一行第一列位置的值 : 5.0
- 指定行：
System.out.println("讀取第一行 : " + indArray6.getRow(1));
- 執行結果
讀取第一行 : [ 4.0000, 5.0000, 6.0000]
- 指定列：
System.out.println("讀取第二列 : " + indArray6.getColumn(2));
- 執行結果
讀取第二列 : [ 3.0000, 6.0000]
- 指定多列：
System.out.println("讀取第二、三列 : " + indArray6.getColumns(1,2));
- 執行結果
讀取第二、三列 : [[ 2.0000, 3.0000],
[ 5.0000, 6.0000]]
寫操作
- 接下來試試讀取相關的操作，回顧前面用數組創建的2行3列的矩陣，內容如下：
[[ 1.0000, 2.0000, 3.0000],
[ 4.0000, 5.0000, 6.0000]]
- 修改指定位置，查看了源碼后發現，put方法內容實際上是在調用putScalar方法：
indArray6.put(1,1, 123);
indArray6.putScalar(0,0, 456);
disp("a. 修改后", indArray6);
- 執行結果
a. 修改后
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 456.0000, 2.0000, 3.0000],
[ 4.0000, 123.0000, 6.0000]]
- 修改整行：
// 准備一維數組
INDArray row1 = Nd4j.create(new float[] {9,8,7});
// 用一維數組替換矩陣的整行
indArray6.putRow(1, row1);
disp("b. 修改后", indArray6);
- 執行結果
b. 修改后
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 456.0000, 2.0000, 3.0000],
[ 9.0000, 8.0000, 7.0000]]
矩陣計算
- 矩陣計算，咱們從最基本的四則運算開始
- 加減乘除，入參是一個標量，會與矩陣中的所有元素做計算
// 准備好原始數據，2行3列矩陣
indArray6 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});
// 加法
disp("加法", indArray6.add(1));
// 減法
disp("減法", indArray6.sub(1));
// 乘法
disp("乘法", indArray6.mul(2));
// 除法
disp("除法", indArray6.div(2));
- 執行結果
加法
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 2.0000, 3.0000, 4.0000],
[ 5.0000, 6.0000, 7.0000]]
*****************************************************
減法
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 0, 1.0000, 2.0000],
[ 3.0000, 4.0000, 5.0000]]
*****************************************************
乘法
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 2.0000, 4.0000, 6.0000],
[ 8.0000, 10.0000, 12.0000]]
*****************************************************
除法
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 0.5000, 1.0000, 1.5000],
[ 2.0000, 2.5000, 3.0000]]
- 前面的add方法，執行完畢后會生成一個新的NDArray實例，不影響原對象，但如果調用的是addi，就會修改原對象的內容：
INDArray indArray8 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});
disp("替換前", indArray8);
indArray8.addi(1);
disp("替換后", indArray8);
- 執行結果
替換前
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 1.0000, 2.0000, 3.0000],
[ 4.0000, 5.0000, 6.0000]]
*****************************************************
替換后
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 2.0000, 3.0000, 4.0000],
[ 5.0000, 6.0000, 7.0000]]
- 展開：Nd4j.toFlattened，2行3列的二維矩陣展開后成了一維的
disp("展開", Nd4j.toFlattened(indArray6));
- 執行結果
展開
維度 : 1
形狀 : [6]
完整矩陣 :
[ 1.0000, 2.0000, 3.0000, 4.0000, 5.0000, 6.0000]
- 轉換：reshape，相當於使用原有數據，但是換一個shape入參
disp("轉換", indArray6.reshape(3,2));
- 執行結果
轉換
維度 : 2
形狀 : [3, 2]
完整矩陣 :
[[ 1.0000, 2.0000],
[ 3.0000, 4.0000],
[ 5.0000, 6.0000]]
- 提取正方形矩陣的對角線：diag，得到的結果是一維的
// 創建一個人3行3列的正方形矩陣
INDArray indArray9 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6, 7, 8, 9}, new int[] {3,3});
disp("3*3矩陣", indArray9);
// 提取正方形矩陣的對角線
disp("3*3矩陣的對角線", Nd4j.diag(indArray9));
- 執行結果如下圖，diag方法得到了源對象的對角線
- 基於源矩陣形狀創建新矩陣，且值都相通（入參值），然后用此新矩陣減去源矩陣：rsub
// 初始化一個2行3列的矩陣
INDArray indArray11 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});
// 參考indArray12的結構創建一個2行3列的矩陣，該矩陣的所有元素的值都等於10(入參)，
// 然后，用該矩陣減去indArray11，結果作為rsub方法的返回值返回
INDArray indArray12 = indArray11.rsub(10);
disp("rsub方法", indArray12);
- 執行結果如下，可見所有值都是10減去源矩陣對應位置的值：
rsub方法
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 9.0000, 8.0000, 7.0000],
[ 6.0000, 5.0000, 4.0000]]
- 兩個矩陣相加：add，兩個形狀相通的矩陣，同樣位置的值相加：
INDArray indArray13 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});
INDArray indArray14 = Nd4j.create(new float[] {1, 1, 1, 1, 1, 1}, new int[] {2,3});
disp("矩陣相加", indArray13.add(indArray14));
- 執行結果
矩陣相加
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 2.0000, 3.0000, 4.0000],
[ 5.0000, 6.0000, 7.0000]]
- 叉乘：mmul，2行3列乘以3行2列，
INDArray indArray13 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});
INDArray indArray15 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {3,2});
disp("2行3列", indArray13);
disp("3行2列", indArray15);
disp("2行3列矩陣與3行2列矩陣的叉乘", indArray13.mmul(indArray15));
- 執行結果，可見，2行3列矩陣的每一行的元素，都和3行2列矩陣每一列的元素做兩兩相乘再相加，一共四個值，所以結果就是2行2列的矩陣：
- 矩陣所有元素值累加：sum
INDArray indArray16 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});
// 總和
double sum = indArray16.sum().getDouble();
System.out.println("矩陣元素累加和 : " + sum);
- 執行結果
矩陣元素累加和 : 21.0
- 轉置操作（不改變源對象）：transpose
INDArray indArray16 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});
disp("轉置前", indArray16);
disp("轉置操作", indArray16.transpose());
disp("transpose操作后的原值(不變)", indArray16);
- 執行結果，可見2行3列轉置后變成了3行2列，但是生成了新對象，而源對象未改變
轉置前
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 1.0000, 2.0000, 3.0000],
[ 4.0000, 5.0000, 6.0000]]
*****************************************************
轉置操作
維度 : 2
形狀 : [3, 2]
完整矩陣 :
[[ 1.0000, 4.0000],
[ 2.0000, 5.0000],
[ 3.0000, 6.0000]]
*****************************************************
transpose操作后的原值(不變)
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 1.0000, 2.0000, 3.0000],
[ 4.0000, 5.0000, 6.0000]]
- 轉置操作（源對象被改變）：transposei
INDArray indArray16 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});
disp("轉置前", indArray16);
disp("轉置操作", indArray16.transposei());
disp("transposei操作后的原值(已變)", indArray16);
- 執行結果
轉置前
維度 : 2
形狀 : [2, 3]
完整矩陣 :
[[ 1.0000, 2.0000, 3.0000],
[ 4.0000, 5.0000, 6.0000]]
*****************************************************
轉置操作
維度 : 2
形狀 : [3, 2]
完整矩陣 :
[[ 1.0000, 4.0000],
[ 2.0000, 5.0000],
[ 3.0000, 6.0000]]
*****************************************************
transposei操作后的原值(已變)
維度 : 2
形狀 : [3, 2]
完整矩陣 :
[[ 1.0000, 4.0000],
[ 2.0000, 5.0000],
[ 3.0000, 6.0000]]
- 橫向拼接：hstack，要求兩個矩陣行數相等
// 2行3列
INDArray indArray17 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});
// 2行1列
INDArray indArray18 = Nd4j.create(new float[] {1, 2}, new int[] {2,1});
disp("源矩陣", indArray17);
disp("拼接上的矩陣", indArray18);
// 2行3列的矩陣，橫向拼接一列后，變成了2行4列
disp("橫向拼接(每一行都增加一列)", Nd4j.hstack(indArray17, indArray18));
- 執行結果如下圖，可見是把indArray18 橫着拼到indArray17 的右側
- 縱向拼接：vstack，要求兩個矩陣列數相等
// 2行3列
INDArray indArray19 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});
// 1行3列
INDArray indArray20 = Nd4j.create(new float[] {1, 2, 3}, new int[] {1,3});
disp("源矩陣", indArray17);
disp("拼接上的矩陣", indArray18);
// 2行3列的矩陣，縱向拼接一行，變成了3行3列
disp("縱向拼接(增加一行)", Nd4j.vstack(indArray19, indArray20));
- 執行結果如下圖，可見是把indArray20放在了indArray19的底部
- 以上就是矩陣操作的常用API了，希望能給您一些參考，在深度學習的開發中更熟練的操作數據
你不孤單，欣宸原創一路相伴
歡迎關注公眾號：程序員欣宸
微信搜索「程序員欣宸」，我是欣宸，期待與您一同暢游Java世界...
https://github.com/zq2599/blog_demos