問題背景
最近正在看faster-rcnn的anchor-target-layer.py原始碼，其中關於numpy的argmax（）問題搞得很混亂。此問題理清楚還需要高清楚numpy的索引的運作原理。
a = np.array([[1,3,5],[2,2,9]])
>>> a.argmax(axis=0)
array([1, 0, 1])
使用argmax（axis=0）的原因是想提取出在行方向上的最大值序號。進而得到行方向上的最大值（每一列的最大值）。可以看出的結構是乙個1行3列的array，其中array中的每個值都小於行數，並且值得個數是列數。可以通過以下語句得到行方向上的最大值。
>>> a[a.argmax(axis=0),np.arange(3)]
array([2, 3, 9])
同理，可以得到列方向上的最大值，（每一行的最大值）
>>> a[np.arange(2),a.argmax(axis=1)]
array([5, 9])
argmax函式返回的是序號，在二維情況下，axis=0對應行，axis=1對應列。argmax(axis=0)，返回的是行號，行號的個數是列數。同理可知。
在以上操作中
>>>[a.argmax(axis=0),np.arange(3)]
[array([1, 0, 1]), array([0, 1, 2])]
可見，兩個array做為序號，其實內部使用的是資料組合機制來獲取真實的資料。以上可以等效為
[a[1,0],a[0,1],a[1,2]]
如此便可以理解了。
numpy中arg 方法的應用
numpy中返回物件中最大值，最小值或排序後的索引。arr.argmax 返回array物件中最大值所佔的索引 arr.argmin 返回array物件中最小值所在的索引 arr.argsort 返回array物件中公升序排列後的索引 上述三個api均可填入引數axis 0,1,axis 0，表示按...
numpy中的廣播機制
numpy兩個陣列的相加 相減以及相乘都是對應元素之間的操作。import numpy as np x np.array 2,2,3 1,2,3 y np.array 1,1,3 2,2,4 print x y numpy當中的陣列相乘是對應元素的乘積，與線性代數當中的矩陣相乘不一樣 輸入結果如下 ...
numpy中的廣播機制
結論 廣播原則 如果兩個陣列的後緣維度 即 從末尾開始算起的維度 的軸長相符或其中一方的長度為1，則認為它們是廣播相容的，廣播會在缺失和 或 長度為1的軸上進行.1.讓所有輸入陣列都向其中shape最長的陣列看齊，shape中不足的部分都通過在前面加1補齊 2.輸出陣列的shape是輸入陣列shap...