PROSAGA码农传奇-深度学习-ND4J阵列及其形状：将数据导入列表

<div class =“post-text”itemprop =“text”>
  
    是的，事实证明
     <code>
 .data()
 </code>
     使用ND4J不是你真正应该用于任何非常严重的事情。这对我试图做的事情有点遗憾：编写不依赖于ND4J的单元测试以及它如何在内部处理数据。
  
  
    作为此处问题的另一个示例，请考虑以下代码：
  
   <pre>
 <code>
 import org.nd4j.linalg.factory.Nd4j

object foo extends App {

val x = Nd4j.create(Array[Double](1,2, 3,4, 5,6), Array(3,2))
  // 1,2
  // 3,4
  // 5,6
  println(x)
  val xArr = x.data().asDouble().toList
  // 1,2,  3,4,  5,6 - row-wise
  println(xArr)

val w = Nd4j.create(Array[Double](10,20,30, 40,50,60), Array(2,3))
  // 10,20,30
  // 40,50,60
  println(w)
  val wArr = w.data().asDouble().toList
  // 10,20,30,  40,50,60 - row-wise
  println(wArr)

val wx = w.mmul(x)
  /*
   *  10,20,30   1,2     10*1+20*3+30*5  10*2+20*4+30*6      220  280
   *  40,50,60   3,4  =  40*1+50*3+60*5  40*2+50*4+60*6  =   490  640
   *             5,6
   */
  println(wx)
  val wxArr = wx.data().asDouble().toList
  // 220, 490,  280, 640 - column-wise
  println(wxArr)
  val wxTArr = wx.transpose().data().asDouble().toList
  // 220, 490,  280, 640 - still column-wise
  println(wxTArr)
  val wxTIArr = wx.transposei().data().asDouble().toList
  // 220, 490,  280, 640 - still column-wise
  println(wxTIArr)

}

</code>
 </pre>
  
    正如您所看到的，ND4J基本上可以在内部执行它所需的功能，以及何时使用
     <code>
 .data()
 </code>
     它只会给你内部代表;任何转置或其他任何你要求它做的事情都不会改变这种表示，因为那些实际上并没有移动基础数据。
  
  
    这一切都很好，但我想要做的基本上是：制作普通双打的Scala列表;把它交给我的自定义库;要求图书馆做它的事情;获取其输出并将其转换为另一个Scala双打列表;验证这些双打是我预期的计算。相反，我需要做的是将预期的东西放在ND4J数组中，这样我就可以正确地将它与实际输出进行比较，所以我的测试现在依赖于ND4J，这是我库的内部技术选择。
  
  
    无论如何，这是一个相对较小的抱怨，教训是，避免
     <code>
 .data()
 </code>
     相反，如果你使用的是ND4J，请在整个过程中使用它（即使你认为它有点不优雅）。
  
</DIV>