ND4J 数组及其形状：将数据放入列表

Question

考虑以下代码，它使用 ND4J library to create a simpler version of the "moons" test data set:

val n = 100
val n1: Int = n/2
val n2: Int = n-n1
val outerX = Nd4j.getExecutioner.execAndReturn(new Cos(Nd4j.linspace(0, Math.PI, n1)))
val outerY = Nd4j.getExecutioner.execAndReturn(new Sin(Nd4j.linspace(0, Math.PI, n1)))
val innerX = Nd4j.getExecutioner.execAndReturn(new Cos(Nd4j.linspace(0, Math.PI, n2))).mul(-1).add(1)
val innerY = Nd4j.getExecutioner.execAndReturn(new Sin(Nd4j.linspace(0, Math.PI, n2))).mul(-1).add(1)
val X: INDArray = Nd4j.vstack(
  Nd4j.concat(1, outerX, innerX), // 1 x n
  Nd4j.concat(1, outerY, innerY)  // 1 x n
) // 2 x n
val y: INDArray = Nd4j.hstack(
  Nd4j.zeros(n1), // 1 x n1
  Nd4j.ones(n2)   // 1 x n2
) // 1 x n
println(s"# y shape: ${y.shape().toList}")                        // 1x100
println(s"# y data length: ${y.data().length()}")                 // 100
println(s"# X shape: ${X.shape().toList}")                        // 2x100
println(s"# X row 0 shape: ${X.getRow(0).shape().toList}")        // 1x100
println(s"# X row 1 shape: ${X.getRow(1).shape().toList}")        // 1x100
println(s"# X row 0 data length: ${X.getRow(0).data().length()}") // 200    <- !
println(s"# X row 1 data length: ${X.getRow(1).data().length()}") // 100

在倒数第二行，令人惊讶的是，X.getRow(0).data().length() 是 200 而不是 100。经检查，这是因为 data() 返回的结构包含整个矩阵，即两行，连接在一起。

如何将 X 矩阵的实际第一行放入 Java（或 Scala）List？我可以只取 200 个元素的前 100 个项目 "first row"，但这似乎不太优雅。

Answer 1

.data() 给你一个直线。参见：http://nd4j.org/tensor

数组的形状只是底层数据缓冲区的一个视图。我通常不建议在没有充分理由的情况下做你想做的事情。所有数据都存储在堆外。那个副本很贵。

堆上不适合做任何类型的数学运算。这里唯一的用例是集成。我建议尽可能直接对阵列进行操作。从序列化到索引的一切都为您处理。

如果您真的需要它来进行某种集成，请使用番石榴，您可以在一行中完成： Doubles.asList(arr.data().dup().asDouble());

其中 arr 是要操作的 ndarray。

Answer 2

是的，事实证明 .data() ND4J 不应该用于任何非常严肃的事情。这对我尝试做的事情来说有点遗憾：编写不真正依赖 ND4J 及其内部处理数据方式的单元测试。

作为此处问题的另一个示例，请考虑以下代码：

import org.nd4j.linalg.factory.Nd4j

object foo extends App {

  val x = Nd4j.create(Array[Double](1,2, 3,4, 5,6), Array(3,2))
  // 1,2
  // 3,4
  // 5,6
  println(x)
  val xArr = x.data().asDouble().toList
  // 1,2,  3,4,  5,6 - row-wise
  println(xArr)

  val w = Nd4j.create(Array[Double](10,20,30, 40,50,60), Array(2,3))
  // 10,20,30
  // 40,50,60
  println(w)
  val wArr = w.data().asDouble().toList
  // 10,20,30,  40,50,60 - row-wise
  println(wArr)

  val wx = w.mmul(x)
  /*
   *  10,20,30   1,2     10*1+20*3+30*5  10*2+20*4+30*6      220  280
   *  40,50,60   3,4  =  40*1+50*3+60*5  40*2+50*4+60*6  =   490  640
   *             5,6
   */
  println(wx)
  val wxArr = wx.data().asDouble().toList
  // 220, 490,  280, 640 - column-wise
  println(wxArr)
  val wxTArr = wx.transpose().data().asDouble().toList
  // 220, 490,  280, 640 - still column-wise
  println(wxTArr)
  val wxTIArr = wx.transposei().data().asDouble().toList
  // 220, 490,  280, 640 - still column-wise
  println(wxTIArr)

}

如您所见，ND4J 基本上在内部做它想做的事情，当您使用 .data() 时，它只会给您它的内部表示；这种表示不会被任何转置或您要求它做的任何其他事情改变，因为它们实际上并没有移动底层数据。

一切都很好，但我想做的基本上是：制作普通双打的 Scala 列表；把它交给我的自定义库；要求图书馆做它的事；获取它的输出并将其转换为另一个 Scala 双精度列表；验证这些双打是我期望它计算的。相反，我要做的是将预期的内容放入 ND4J 数组中，以便我可以将其与实际输出进行正确比较，因此我的测试现在依赖于 ND4J，这是我的库的内部技术选择。

无论如何，这是一个相对较小的抱怨，教训是，避免 .data() 如果您使用的是 ND4J，请始终使用它（即使您认为这有点不雅）。

ND4J 数组及其形状：将数据放入列表

ND4J arrays & their shapes: getting data into a list

java

scala

deeplearning4j

nd4j