2024-04-19 01:06:04 发布
网友
我试图理解函数中的“相同”模式np.关联(). 我在一些网站上看到了这个定义,但我不明白它是如何计算得到最终数组的。在
如何从这个:np.correlate([2, 1], [1, 1], 'same')我们得到这个:array([2, 3])
np.correlate([2, 1], [1, 1], 'same')
array([2, 3])
有人能做一个计算例子吗?在
mode='same'只表示结果等于最大输入数组的大小。它是完全互相关的一个子集(还有一个mode='full'选项)。在您的示例中,我们有:
mode='same'
mode='full'
2 1 1 1 0+2+0 = 2
(点积,适当时零填充,然后“滑动”)
因此得到了[2,3]的答案。在
[2,3]
完全互相关将继续下滑。在
2 1 1 1 - 0+1+0 = 1
因此,完全互相关是[2,3,1]。在
[2,3,1]
注意:这些关键字来自这些函数的MATLAB实现
你可以参考numpy手册,https://docs.scipy.org/doc/numpy/reference/generated/numpy.convolve.html
以下是纽比卷积手册中的“模式数字关联与纽比卷积)公司名称:
>>>;np.卷积([1,2,3],[0,1,0.5])
数组([0。,1。,2.5,4。,1.5])
只返回卷积的中间值。包含边界效应,其中考虑零:
>>>;np.卷积([1,2,3],[0,1,0.5],'相同')
数组([1。,2.5,4。])在
两个数组的长度相同,因此只有一个位置完全重叠:
>>>;np.卷积([1,2,3],[0,1,0.5],'有效')
数组([2.5])
mode='same'
只表示结果等于最大输入数组的大小。它是完全互相关的一个子集(还有一个mode='full'
选项)。在您的示例中,我们有:(点积,适当时零填充,然后“滑动”)
^{pr2}$因此得到了
[2,3]
的答案。在完全互相关将继续下滑。在
因此,完全互相关是
[2,3,1]
。在注意:这些关键字来自这些函数的MATLAB实现
你可以参考numpy手册,https://docs.scipy.org/doc/numpy/reference/generated/numpy.convolve.html
以下是纽比卷积手册中的“模式数字关联与纽比卷积)公司名称:
>>>;np.卷积([1,2,3],[0,1,0.5])
数组([0。,1。,2.5,4。,1.5])
只返回卷积的中间值。包含边界效应,其中考虑零:
>>>;np.卷积([1,2,3],[0,1,0.5],'相同')
数组([1。,2.5,4。])在
两个数组的长度相同,因此只有一个位置完全重叠:
>>>;np.卷积([1,2,3],[0,1,0.5],'有效')
数组([2.5])
相关问题 更多 >
编程相关推荐