numpy.lib.stride_tricks.as_strided() 高效切分数组

最新推荐文章于 2025-04-11 17:35:50 发布

西檬饭

最新推荐文章于 2025-04-11 17:35:50 发布

阅读量5.9k

点赞数 12

分类专栏：深度学习文章标签： numpy

本文链接：https://blog.csdn.net/qq_23869697/article/details/105594571

版权

深度学习专栏收录该内容

34 篇文章

订阅专栏

本文深入解析Numpy库中的as_strided函数，该函数能高效地将数组分割成指定形状的块，适用于数据处理和机器学习场景。文章通过实例展示了如何设定strides参数以实现数组的灵活切分，同时解释了strides属性在内存布局中的作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Numpy的一个函数：np.lib.stride_tricks.as_strided(）
这个函数可以高效地切分一个数组为不同的shape块。可以参考官方文档或者这篇写得很好的博客。
描述：

numpy.lib.stride_tricks.as_strided(x, shape=None, strides=None, subok=False, writeable=True)

其中：x为输入数组；
shape为目标形状；
strides 需要一个例子来理解：

a = np.arange(9, dtype=np.int32).reshape(3,3)
print(a)
'''
[[0 1 2]
 [3 4 5]
 [6 7 8]]
 '''
print(a.strides)
'''
(12, 4)
'''

这里（12， 4）中的12表示在内存中a[n, 0]到a[n+1, 0]跨过多少byte，4表示在内存中a[n, 0]到a[n, 1]跨过多少byte。不同数据类型占据的内存大小不同，总的来说一个32位的类型需要4byte，64位的类型需要8byte。可以参考这里，我整理成下面的表格。

数值 \ 数值类型 (单位：Byte)	int32	int64	float32	float64
[]	96	96	96	96
[1]	100	104	100	104
[5]	116	136	116	136

这个表格的意思就是，一个空的数组[]就占用内存96byte，因为它存放了关于数组大小等信息。
只有一个32位整数的数组[1]占用内存100byte，减去[]占用的96byte，1就占用4byte。
同理对于64整数的数组[1]，一个元素占用8byte。
上面的例子中，使用nbytes和itemsize可以直接查看元素占据的内存。

# 查看数组a所有元素占用内存大小，单位byte
a.nbytes
"""
36
"""
# 查看数组a每个元素占用内存大小，单位byte
a.itemsize
"""
4
"""

如果我想将其切分为一个(3, 3, 3)矩阵，我需要先padding其为

[[0 0 0]
 [0 1 2]
 [3 4 5]
 [6 7 8]
 [0 0 0]]

结果如下：

[[[0 0 0]
  [0 1 2]
  [3 4 5]]

 [[0 1 2]
  [3 4 5]
  [6 7 8]]
 
 [[3 4 5]
  [6 7 8]
  [0 0 0]]]

需要设定的strides为(36, 12, 4). 第三维最小的维度考虑最小单元内两个相邻元素的跨度，0->1, 3->4, 6->7等都是4byte；第二维度考虑两行之间的跨度,如[0 1 2]->[3 4 5]中首元素的跨度为 $3 * 4$ byte。这里的最高维跨度和第二维跨度一样,如[[0 0 0] [0 1 2] [3 4 5]]-> [[0 1 2] [3 4 5] [6 7 8]]首元素跨度在原数组中只跨越了[0 0 0]三个元素，所以跨度也是 $3 * 4$ byte。