将numpy.convolve应用于一维矢量（具有单例维的二维数组）

Question

我是numpy的新手。

我从numpy.array形状（R，1）和（R，）之间的差异中学到了rank-1数组和1-dim向量之间的区别

还告诉我在可能的情况下将vector用于机器学习任务，而不是rank1数组。 （来自https://www.coursera.org/learn/neural-networks-deep-learning/lecture/87MUx/a-note-on-python-numpy-vectors在4:35）

我正在尝试使用numpy.convolve，但我看不到它需要1维矢量。

有没有一种方法可以将1-dim向量传递给numpy.convolve或应该使用（N，）形状数组？

Answer 1

numpy.convolve的文档将输入描述为“一维数组”。

NumPy中没有单独的“向量”，只有一个一维数组。 除第一维以外的所有维均为1的高维数组通常也可以使用。

我认为您正处于尝试和观察的阶段。 它应该按照您期望的方式工作。

Answer 2

numpy.convolve的输入数组必须是一维的，形状为(N,) 。

要对具有多个维度的数组进行卷积，请使用scipy.signal.convolve

from scipy import signal
a = np.random.normal(size=(10, 1))
b = np.random.normal(size=(5, 1))
signal.convolve(a, b)

---

我会严重质疑该建议的智慧（它是否来自使用Matlab而不是使用NumPy的人？），但是如果您必须在NumPy中遵循该建议，则先对数组进行squeeze()运算，然后在卷积之前去除单例维数，然后reshape为恢复该尺寸

a = np.random.normal(size=(10, 1))
b = np.random.normal(size=(5, 1))     
c = np.convolve(a.squeeze(), b.squeeze()).reshape(-1, 1)

对于NumPy而言，这似乎是浪费时间，但谁知道，遵守机器学习法的好处也许是值得的。