初级
标量、向量、矩阵、张量
未完成
初级参考
完整示例代码供参考,建议自己理解后重新输入
def solve():
import numpy as np
scalar = np.array(6)
print(f"标量: {scalar}, 形状: {scalar.shape}, 维度: {scalar.ndim}")
array_1d = np.array([1, 2, 3, 4, 5, 6])
print(f"一维数组: {array_1d}, 形状: {array_1d.shape}, 维度: {array_1d.ndim}")
vector = np.arange(6).reshape(1, 6)
print(f"向量: {vector}, 形状: {vector.shape}, 维度: {vector.ndim}")
matrix = np.arange(12).reshape(2, 6)
print(f"矩阵: {matrix}, 形状: {matrix.shape}, 维度: {matrix.ndim}")
tensor = np.arange(12).reshape(2, 3, 2)
print(f"张量: {tensor}, 形状: {tensor.shape}, 维度: {tensor.ndim}")
示例
输入
solve()
期望输出
标量: 6, 形状: (), 维度: 0 一维数组: [1 2 3 4 5 6], 形状: (6,), 维度: 1 向量: [[0 1 2 3 4 5]], 形状: (1, 6), 维度: 2 矩阵: [[ 0 1 2 3 4 5] [ 6 7 8 9 10 11]], 形状: (2, 6), 维度: 2 张量: [[[ 0 1] [ 2 3] [ 4 5]] [[ 6 7] [ 8 9] [10 11]]], 形状: (2, 3, 2), 维度: 3
👑
升级 VIP
解锁全部题目,畅通无阻地学习
- ✓ 解锁全部训练包所有题目
- ✓ 查看完整参考代码和提示
- ✓ 浏览器内直接运行 Python 代码
- ✓ 自动批改 + 进度追踪
30天
¥18
1年
¥99
2年
¥158
3年
¥199