Deeplearning4j - ND4j方法快速索引
华欣怡
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，亦即例程运行速度快，RAM要求低。
主要特点：
- 多用途多维数组对象
- 多平台功能，包括GPU
- 线性代数和信号处理功能
由于易用性上存在的缺口，Java、Scala和Clojure编程人员无法充分利用NumPy或Matlab等数据分析方面最强大的工具。Breeze等其他库则不支持多维数组或张量，而这却是深度学习和其他任务的关键。ND4J和ND4S正得到国家级实验室的使用，以完成气候建模等任务。这类任务要求完成计算密集的模拟运算。
ND4J在开源、分布式、支持GPU的库内，为JVM带来了符合直觉的、Python编程人员所用的科学计算工具。在结构上，ND4J与SLF4J相似。ND4J让生产环境下的工程师能够轻松将算法和界面移植到Java和Scala体系内的其他库内。
创建ndarray
- 创建值全为0：
Nd4j.zeros(nRows, nCols)Nd4j.zeros(int...) - 创建值全为1：
Nd4j.ones(nRows, nCols) - 复制NDArray：
arr.dup() - 创建一个行向量或者列向量：
myRow = Nd4j.create(myDoubleArr)，myCol = Nd4j.create(myDoubleArr,new int[]{10,1}) - 使用 double[][] 创建二维 NDArray :
Nd4j.create(double[][]) - 从行或者列进行 NDArray 堆叠：
Nd4j.hstack(INDArray...)Nd4j.vstack(INDArray...) - 创建元素服从正太分布的 NDArray：
Nd4j.rand(int,int)Nd4j.rand(int[]) - 普通 （0,1）范围的 NDArray:
Nd4j.randn(int,int)Nd4j.randn(int[])
获取 NDArray 的属性
- 获取维度：
rank() - 只对二维 NDArray 有用的方法，获取行和列数：
rows()columns() - 第 i 个维度的长度：
size(i) - 获取 NDArray 的形状：
shape() - 获取所有元素的个数：
arr.length() - 判断 NDArray 的类型：
isMatrix()isVector()isRowVector()isRowVector()
获取或者设定特定的值
- 获取第 i 行，第 j 列的数值：
arr.getDouble(i,j) - 获取超过三维 NDArray 的值：
arr.getDouble(int[]) - 对特定位置进行赋值：
arr.putScalar(int[],double)
张量操作
- 加上一个值：
arr1.add(myDouble) - 减去一个值：
arr1.sub(myDouble) - 乘以一个值：
arr.mul(myDouble) - 除以一个值：
arr.div(myDouble) - 减法反操作（scalar - arr1）：
arr1.rsub(myDouble) - 除法反操作（scalar / arr1）：
arr1.rdiv(myDouble)
元素（Element-Wise）操作
- 加：
arr1.add(arr2) - 减：
arr1.sub(arr2) - 乘：
arr1.mul(arr2) - 除：
arr1.div(arr2) - 赋值：
arr1.assign(arr2)
规约操作
- 所有元素的和：
arr.sumNumber() - 所有元素的乘积：
arr.prod() - L1或者L2范数：
arr.norm1()arr.norm2() - 所有元素的标准差：
arr.stdNumber()
线性代数操作
- 矩阵乘法：
arr1.mmul(arr2) - 矩阵转置：
transpose() - 获取对角矩阵：
Nd4j.diag(INDArray) - 矩阵求逆：
InvertMatrix.invert(INDArray,boolean)
获取 NDArray 一部分
- 获取一行（仅用于2维 NDArray）：
getRow(int) - 获取多行（仅用于2维 NDArray）：
getRows(int...) - 设置一行（仅用于2维 NDArray）：
putRow(int,INDArray) - 获取前三行，所有列的值：
Nd4j.create(0).get(NDArrayIndex.interval(0,3),NDArrayIndex.all());
元素级变换（Tanh, Sigmoid, Sin, Log etc）
- 使用 Transform :
Transforms.sin(INDArray)Transforms.log(INDArray)Transforms.sigmoid(INDArray) - 方法1：
Nd4j.getExecutioner().execAndReturn(new Tanh(INDArray)) - 方法2：
Nd4j.getExecutioner().execAndReturn(Nd4j.getOpFactory().createTransform("tanh",INDArray))
参考资料：
- https://nd4j.org/userguide
- https://nd4j.org/cn/index
- 使用Nd4j实现PCA降维：https://github.com/deeplearning4j/nd4j/blob/master/nd4j-backends/nd4j-api-parent/nd4j-api/src/main/java/org/nd4j/linalg/dimensionalityreduction/PCA.java
- ND4j基本操作代码示例： https://github.com/sjsdfg/dl4j-tutorials
更多文档可以查看 https://github.com/sjsdfg/deeplearning4j-issues。
你的star是我持续分享的动力
类似资料：