本文共 867 字，大约阅读时间需要 2 分钟。

前言

  在机器学习或者深度学习中经常需要初始化一个矩阵，最常用的方法就是np.ones和np.zeros。但是在某些方面这两种方法都具有局限性，如果不想用全0或者全1初始化矩阵该怎么办？这就需要用到np.full这个方法，具体的方法应用见下面的案例演示： 方法   1、np.zeros函数跟np.ones函数用法类似相互类比即可：   用法：np.zeros(shape, dtype=float, order=‘C’)   返回：返回来一个给定形状和类型的用0填充的数组；   参数：shape:形状（可以为一个元组，或者数字两者有区别，元组返回的是一个矩阵数字返回的是一个一维数组）   dtype:数据类型：可选参数，默认numpy.float64   order:可选参数：c代表与c语言类似，行优先；F代表列优先（这个用法不是很理解）   案例

np.zeros(5)array([ 0.,  0.,  0.,  0.,  0.])np.zeros((5,), dtype=np.int)array([0, 0, 0, 0, 0])np.zeros((2, 1))array([[ 0.],       [ 0.]])s = (2,2)np.zeros(s)array([[ 0.,  0.],       [ 0.,  0.]])np.zeros((2,), dtype=[('x', 'i4'), ('y', 'i4')]) # custom dtypearray([(0, 0), (0, 0)],      dtype=[('x', '

  2、np.full(shape, fill_value, dtype=None, order=‘C’)

返回一个指定形状、类型和数值的数组.

np.full((2,2),np.inf)array([[ inf,  inf],       [ inf,  inf]])np.full((2, 2), 10)array([[10, 10],       [10, 10]])