制作一个 0 到 nxn 的矩阵并将其重塑成对
Making a 0 to nxn matrix and reshape it to pairs
也许我错了,我不知道如何搜索它。
我需要获取配对列表
(0,0)
(0,1)
(0,2)
...
(0,999)
...
(999,999)
将这些值放入神经网络并得到结果 - 只是一个长度为 (999*999) 的向量
然后我可以将它重塑为 (999,999) 并得到输出图。
所以,天真的方法是使用
for i in range(0, 999):
for j in range(0, 999):
list.add(predict(i,j))
但是不能批量使用
另一种天真的方法是
numbers=[]
for i in range(0, 999):
for j in range(0, 999):
numbers.append([i,j])
这可以分批进行。
有没有更优雅的方案?
试试这个:
target_list = np.array([(i,j) for i in range(1000) for j in range(1000)])
此print(target_list)
将以 numpy 数组格式给出所需的列表:
[[ 0 0]
[ 0 1]
[ 0 2]
...
[999 997]
[999 998]
[999 999]]
也许我错了,我不知道如何搜索它。
我需要获取配对列表
(0,0) (0,1) (0,2) ... (0,999) ... (999,999)
将这些值放入神经网络并得到结果 - 只是一个长度为 (999*999) 的向量
然后我可以将它重塑为 (999,999) 并得到输出图。
所以,天真的方法是使用
for i in range(0, 999):
for j in range(0, 999):
list.add(predict(i,j))
但是不能批量使用
另一种天真的方法是
numbers=[]
for i in range(0, 999):
for j in range(0, 999):
numbers.append([i,j])
这可以分批进行。
有没有更优雅的方案?
试试这个:
target_list = np.array([(i,j) for i in range(1000) for j in range(1000)])
此print(target_list)
将以 numpy 数组格式给出所需的列表:
[[ 0 0]
[ 0 1]
[ 0 2]
...
[999 997]
[999 998]
[999 999]]