चार-आयामी सरणी के व्युत्क्रम की गणना करने के लिए, पायथन में numpy.linalg.tensorinv() विधि का उपयोग करें। परिणाम tensordot ऑपरेशन tensordot(a, b, ind), i के सापेक्ष के लिए व्युत्क्रम है। ई।, फ्लोटिंग-पॉइंट सटीकता तक, टेंसोर्डोट (टेन्सोरिनव (ए), ए, इंड) टेंसरडॉट ऑपरेशन के लिए "पहचान" टेंसर है।
विधि a का टेंसोर्डोट उलटा, आकार a.shape[ind:] + a.shape[:ind] लौटाती है। पहला पैरामीटर ए है, 'इनवर्ट' करने के लिए टेंसर। इसका आकार 'वर्ग' होना चाहिए, i. ई., उत्पाद (a.shape[:ind]) ==prod(a.shape[ind:]). दूसरा पैरामीटर ind है, पहले सूचकांकों की संख्या जो व्युत्क्रम योग में शामिल हैं। एक धनात्मक पूर्णांक होना चाहिए, डिफ़ॉल्ट 2 है।
कदम
सबसे पहले, आवश्यक पुस्तकालयों को आयात करें-
numpy को numpy.linalg इंपोर्ट इनवॉइस से np के रूप में इंपोर्ट करें
एक सरणी बनाएँ। numpy.eye() एक 2-डी सरणी देता है जिसमें विकर्ण पर वाले और कहीं और शून्य होते हैं -
arr =np.eye(4*6)
ऊपर बनाई गई सरणी का आकार बदलना -
arr.shape =(4, 6, 8, 3)
सरणी प्रदर्शित करें -
प्रिंट("हमारा ऐरे...\n",arr) आयामों की जाँच करें -
प्रिंट("\nहमारे एरे के आयाम...\n",arr.ndim) डेटाटाइप प्राप्त करें -
प्रिंट("\nहमारे ऐरे ऑब्जेक्ट का डेटाटाइप...\n",arr.dtype) आकार प्राप्त करें -
प्रिंट("\nहमारे ऐरे ऑब्जेक्ट का आकार...\n",arr.shape) चार-आयामी सरणी के व्युत्क्रम की गणना करने के लिए, पायथन में numpy.linalg.tensorinv() विधि का उपयोग करें -
प्रिंट("\nपरिणाम...\n",np.linalg.tensorinv(arr)) उदाहरण
numpy से numpy.linalg आयात आमंत्रण के रूप में आयात करें# एक सरणी बनाएं# numpy.eye() एक 2-डी सरणी देता है जिसमें विकर्ण और शून्य कहीं और होते हैं =np.eye(4*6)# आकार बदलना ऊपर बनाए गए सरणी का आकार =(4, 6, 8, 3)# सरणी प्रिंट प्रदर्शित करें ("हमारी सरणी...\n",arr)# आयाम की जांच करें("\nहमारे सरणी के आयाम...\n ",arr.ndim)# डेटाटाइपप्रिंट प्राप्त करें("\nहमारे ऐरे ऑब्जेक्ट का डेटाटाइप...\n",arr.dtype)# शेपप्रिंट प्राप्त करें("\nहमारे ऐरे ऑब्जेक्ट का आकार...\n",arr. आकार)# चार-आयामी सरणी के व्युत्क्रम की गणना करने के लिए, Python.print("\nResult...\n",np.linalg.tensorinv(arr)) में numpy.linalg.tensorinv() विधि का उपयोग करें। पूर्व> आउटपुट
हमारी सरणी... [[[[1. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.]] [[0. 1.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.]] [[0. 0. 1.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.]] [[0. 0.0.] [1. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.]] [[0. 0.0.] [0. 1.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.]] [[0. 0.0.] [0. 0. 1.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0. 0.]]] [[[0. 0.0.] [0. 0.0.] [1. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.]] [[0. 0.0.] [0. 0.0.] [0. 1.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.]] [[0. 0.0.] [0. 0.0.] [0. 0. 1.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.]] [[0. 0.0.] [0. 0.0.] [0. 0.0.] [1. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.]] [[0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 1.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.]] [[0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0. 0.]]] [[[0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [1. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.]] [[0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 1.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.]] [[0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0. 1.] [0. 0.0.] [0. 0.0.] [0. 0.0.]] [[0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [1. 0.0.] [0. 0.0.] [0. 0.0.]] [[0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 1.0.] [0. 0.0.] [0. 0.0.]] [[0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0. 1.] [0. 0.0.] [0. 0. 0.]]] [[[0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [1. 0.0.] [0. 0.0.]] [[0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 1.0.] [0. 0.0.]] [[0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0. 1.] [0. 0.0.]] [[0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [1. 0.0.]] [[0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 1.0.]] [[0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0.0.] [0. 0. 1.]]]]हमारे ऐरे के आयाम...4हमारे ऐरे ऑब्जेक्ट का डेटाटाइप...फ्लोट64हमारे ऐरे ऑब्जेक्ट का आकार...(4, 6, 8, 3)परिणाम... [[[[1. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.]] [[0. 1.0.0.0.0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.]] [[0. 0. 1. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.]]] [[[0. 0. 0. 1. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.]] [[0. 0. 0. 0. 1.0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.]] [[0. 0. 0. 0. 0. 1.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.]]] [[[0. 0. 0. 0. 0. 0.] [1. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.]] [[0. 0. 0. 0. 0. 0.] [0. 1.0.0.0.0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.]] [[0. 0. 0. 0. 0. 0.] [0. 0. 1. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.]]] [[[0. 0. 0. 0. 0. 0.] [0. 0. 0. 1. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.]] [[0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 1.0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.]] [[0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 1.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.]]] [[[0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [1. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.]] [[0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 1.0.0.0.0.] [0. 0. 0. 0. 0. 0.]] [[0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 1. 0. 0. 0.] [0. 0. 0. 0. 0. 0.]]] [[[0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 1. 0. 0.] [0. 0. 0. 0. 0. 0.]] [[0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 1.0.] [0. 0. 0. 0. 0. 0.]] [[0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 1.] [0. 0. 0. 0. 0. 0.]]] [[[0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [1. 0. 0. 0. 0. 0.]] [[0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 1. 0. 0. 0. 0.]] [[0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 1. 0. 0. 0.]]] [[[0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 1. 0. 0.]] [[0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 1. 0.]] [[0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 0. 0.] [0. 0. 0. 0. 1.]]]]