Skip to main content
 首页 » 编程设计

python之Numpy 减法函数的数学符号

2024年11月01日17JustinYoung

我注意到这个 question已在此站点上标记为主题,因此,我要问这个问题。

我有以下代码。

norm = np.linalg.norm(true_warped_keypoints - warped_keypoints, ord=None, axis=2) 
N1 = true_warped_keypoints.shape[0] 
N2 = warped_keypoints.shape[0] 
distance_thresh=3 
if N2 != 0: 
    min1 = np.min(norm, axis=1) 
    count1 = np.sum(min1 <= distance_thresh) 
if N1 != 0: 
    min2 = np.min(norm, axis=0) 
    count2 = np.sum(min2 <= distance_thresh) 
if N1 + N2 > 0: 
    repeatability.append((count1 + count2) / (N1 + N2)) 

我想用数学表示从 here 中获取的这段代码. 假设 true_warped_keypoints 是一个形状为 10x1x2 的 numpy 数组,而 warped_keypoints 的形状为 1x4x2。

从数学上讲,两个矩阵的减法需要相同的维度,但 numpy 会像代码的第一行那样进行元素减法。

我的问题如下:

  1. 如何以数学方式表示第一行中的减法?
  2. 按照该表示,我如何表示 min1 = np.min(norm, axis=1) 和 min2 = np.min(norm, axis=0)数学上?

下面是一个简单的示例,用于尝试对不同形状的数组进行减法。

A = np.array([[[1,1],[1,2],[1,3],[1,4],[1,5],[1,6]]]) 
B = np.array([[[1,1]],[[1,2]],[[1,3]],[[1,4]],[[1,5]]]) 
C=A-B 

请您参考如下方法:

您可以将数组写成张量:

A = A_ijk, (其中 1 ≤ i ≤ 10, j=1, 1 ≤ k ≤ 2)

B和C也一样,那么你可以定义C的每个元素为

C_ijk = A_i1k - B_1jk(对于 1 ≤ i ≤ 10, 1 ≤ j ≤ 4, 1 ≤ k ≤ 2)

注意 A_ijk = A[i-1,j-1,k-1]。

为了表示范数,我们将定义二阶张量: 有了这个定义,我们现在可以按分量定义最小向量 m^1, m^2: