【Python/Pytorch 】-- 滑动窗口算法

文章目录

文章目录

  • [00 写在前面](#00 写在前面)
  • [01 基于Python版本的滑动窗口代码](#01 基于Python版本的滑动窗口代码)
  • [02 算法效果](#02 算法效果)

00 写在前面

写这个算法原因是:训练了一个时序网络,该网络模型的时序维度为32,而测试数据的时序维度为90。因此需要采用滑动窗口的方法,生成一系列32维度的窗口,用于测试。

该算法中用到了一个python的关键字yield,其用于定义生成器函数。生成器函数与普通函数不同,它可以在执行过程中暂停,并在以后继续从暂停的地方恢复执行。每次调用生成器函数时,都会返回一个生成器对象,而不是直接返回一个值。在你的代码中,yield 用于产生一个滑动窗口。

01 基于Python版本的滑动窗口代码

python 复制代码
def window(seq, size=3, stride=2):
    """
    返回一个滑动窗口(宽度为'size')在数据序列'seq'上,具有指定的'stride'。
    例如,seq -> (s0, s1, ..., s[size-1]), (s[stride], s[stride+1], ..., s[stride+size-1]), ...
    """
    it = iter(seq)  # 从输入序列创建一个迭代器
    result = []  # 初始化一个空列表来存储当前窗口

    # 遍历迭代器中的每个元素
    for elem in it:
        result.append(elem)  # 将当前元素添加到窗口中
        if len(result) == size:  # 如果窗口达到所需大小
            yield result  # 生成当前窗口
            result = result[stride:]  # 根据步幅长度滑动窗口

    # 如果主循环后结果列表中还有剩余元素
    if result:
        i = 0  # 初始化一个计数器来填充剩余窗口
        while len(result) < size:  # 当窗口小于所需大小时
            result.append(seq[i % len(seq)])  # 从序列开始添加元素
            i += 1  # 增加计数器
        yield result  # 生成最终窗口

02 算法效果

python 复制代码
# 示例使用
seq = [1, 2, 3, 4, 5, 6, 7, 8]
for windowed in window(seq, size=3, stride=2):
    print(windowed)  # 打印每个滑动窗口

初始状态:result = []
添加元素:result = [1, 2, 3] 生成窗口 [1, 2, 3],重置 result = [3]
添加元素:result = [3, 4, 5] 生成窗口 [3, 4, 5],重置 result = [5]
添加元素:result = [5, 6, 7] 生成窗口 [5, 6, 7],重置 result = [7]
添加元素:result = [7, 8]
填充元素:result = [7, 8, 1],生成最后一个窗口 [7, 8, 1]
相关推荐
drebander7 分钟前
使用 Java Stream 优雅实现List 转化为Map<key,Map<key,value>>
java·python·list
莫叫石榴姐16 分钟前
数据科学与SQL:组距分组分析 | 区间分布问题
大数据·人工智能·sql·深度学习·算法·机器学习·数据挖掘
威威猫的栗子29 分钟前
Python Turtle召唤童年:喜羊羊与灰太狼之懒羊羊绘画
开发语言·python
如若12338 分钟前
利用 `OpenCV` 和 `Matplotlib` 库进行图像读取、颜色空间转换、掩膜创建、颜色替换
人工智能·opencv·matplotlib
YRr YRr1 小时前
深度学习:神经网络中的损失函数的使用
人工智能·深度学习·神经网络
ChaseDreamRunner1 小时前
迁移学习理论与应用
人工智能·机器学习·迁移学习
Guofu_Liao1 小时前
大语言模型---梯度的简单介绍;梯度的定义;梯度计算的方法
人工智能·语言模型·矩阵·llama
我爱学Python!1 小时前
大语言模型与图结构的融合: 推荐系统中的新兴范式
人工智能·语言模型·自然语言处理·langchain·llm·大语言模型·推荐系统
墨染风华不染尘1 小时前
python之开发笔记
开发语言·笔记·python
果冻人工智能1 小时前
OpenAI 是怎么“压力测试”大型语言模型的?
人工智能·语言模型·压力测试