Deeplearning4j - ND4j方法快速索引

心已赠人 2022-05-26 09:51 162阅读 0赞

# 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：

1.  [https://nd4j.org/userguide][https_nd4j.org_userguide]
2.  [https://nd4j.org/cn/index][https_nd4j.org_cn_index]
3.  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][https_github.com_deeplearning4j_nd4j_blob_master_nd4j-backends_nd4j-api-parent_nd4j-api_src_main_java_org_nd4j_linalg_dimensionalityreduction_PCA.java]
4.  ND4j基本操作代码示例： [https://github.com/sjsdfg/dl4j-tutorials][https_github.com_sjsdfg_dl4j-tutorials]

--------------------

更多文档可以查看 [https://github.com/sjsdfg/deeplearning4j-issues][https_github.com_sjsdfg_deeplearning4j-issues]。  
你的star是我持续分享的动力

[Transform]: https://github.com/deeplearning4j/nd4j/blob/master/nd4j-backends/nd4j-api-parent/nd4j-api/src/main/java/org/nd4j/linalg/ops/transforms/Transforms.java
[https_nd4j.org_userguide]: https://nd4j.org/userguide
[https_nd4j.org_cn_index]: https://nd4j.org/cn/index
[https_github.com_deeplearning4j_nd4j_blob_master_nd4j-backends_nd4j-api-parent_nd4j-api_src_main_java_org_nd4j_linalg_dimensionalityreduction_PCA.java]: https://github.com/deeplearning4j/nd4j/blob/master/nd4j-backends/nd4j-api-parent/nd4j-api/src/main/java/org/nd4j/linalg/dimensionalityreduction/PCA.java
[https_github.com_sjsdfg_dl4j-tutorials]: https://github.com/sjsdfg/dl4j-tutorials
[https_github.com_sjsdfg_deeplearning4j-issues]: https://github.com/sjsdfg/deeplearning4j-issues