python - 使用 3 个索引对 4 维数组进行切片时会发生什么？

Question

我试图理解为什么我的算法的准确性突然发生了巨大的变化。当我发现在标准化 4 维训练/测试集时仅使用 3 个索引时，我做了一个小更改，添加了第四个 : 。现在我很好奇 - 下面的旧/新代码会做同样的事情吗？如果没有，仅使用 3 个索引对 4 维数组进行索引是如何工作的？

旧:

   # standardize all non-binary variables
   channels = 14 # int(X.shape[1])
   mu_f     = np.zeros(shape=channels)
   sigma_f  = np.zeros(shape=channels)

   for i in range(channels):
      mu_f[i]    = np.mean(X_train[:,i,:])
      sigma_f[i] = np.std(X_train[:,i,:])   

   for i in range(channels):
      X_train[:, i, :]  -= mu_f[i]   
      X_test[:, i, :]   -= mu_f[i]

      if (sigma_f[i] != 0):
         X_train[:, i, :]  /= sigma_f[i]
         X_test[:, i, :]   /= sigma_f[i]

新:

   # standardize all non-binary variables
   channels = 14
   mu_f     = np.zeros(shape=channels)
   sigma_f  = np.zeros(shape=channels)

   for i in range(channels):
      mu_f[i]    = np.mean(X_train[:,i,:,:])
      sigma_f[i] = np.std(X_train[:,i,:,:])   

   for i in range(channels):
      X_train[:, i, :, :]  -= mu_f[i]   
      X_test[:, i, :, :]   -= mu_f[i]

      if (sigma_f[i] != 0):
         X_train[:, i, :, :]  /= sigma_f[i]
         X_test[:, i, :, :]   /= sigma_f[i]

Answer 1

我不明白为什么额外的 : 会产生影响。当我对简单的 np.mean(X[:,1]) v np.mean(X,1,:,:] 进行时间测试时，情况并非如此等

至于plonser建议您可以对整个事情进行矢量化，关键是要意识到mean和std需要一些添加的参数。检查他们的文档并使用示例数组。

Xmean = np.mean(X,axis=(0,2,3),keepdims=True)
X -= Xmean
X /= Xmean