mxnet NDArray

秒速五厘米 2023-01-03 01:40 219阅读 0赞

[https://www.cnblogs.com/ronny/p/8514194.html][https_www.cnblogs.com_ronny_p_8514194.html]

MXNet的NDArray与Numpy中的ndarray极为相似，NDAarray为MXNet中的各种数学计算提供了核心的数据结构，NDArray表示一个多维的、固定大小的数组，并且支持异构计算。那为什么不直接使用Numpy呢？MXNet的NDArray提供额外提供了两个好处：

支持异构计算，数据可以在CPU,GPU，以及多GPU机器的硬件环境下高效的运算

NDArray支持惰性求值，对于复杂的操作，可以在有多个计算单元的设备上自动的并行运算。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70][]

import mxnet as mx
    import mxnet.ndarray as nd
    
    a = nd.ones(shape=(2,3),dtype='int32',ctx=mx.gpu(1))
    print(a.shape, a.dtype, a.size, a.context)

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70 1][]

import numpy as np
    
    l = [[1,2],[3,4]]
    print(nd.array(l)) # 从List转到NDArray
    print(nd.array(np.array(l))) # 从np.array转到NDArray
    
    # 直接利用函数创建指定大小的NDArray
    print (nd.zeros((3,4), dtype='float32'))
    print (nd.ones((3,4), ctx=mx.gpu()))
    # 从一个正态分布的随机数引擎生成了一个指定大小的NDArray，我们还可以指定分布的参数，比如均值，标准差等
    print (nd.random.normal(shape=(3,4))) 
    print (nd.arange(18).reshape(3,2,3))

![20210106170219161.png][]

a = nd.random.normal(0, 2, shape=(3,3))
    print(a)
    print(a.asnumpy())

其他

[https_www.cnblogs.com_ronny_p_8514194.html]: https://www.cnblogs.com/ronny/p/8514194.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70]: /images/20221119/f737f43320b14ff89b98a8074f0fa96f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5OTM4NjY2_size_16_color_FFFFFF_t_70 1]: /images/20221119/2f7138f64d234c12b5e6f170625f34ae.png
[20210106170219161.png]: /images/20221119/89d85523aea24efc99f0cbc92aabebf3.png