如何在Python中至少加入三个2D阵列？

Question

我正在做面向目标的图像字幕。它具有三种模式——特征提取、OCR 组件和对象检测。从 ResNeXt 模型中提取的特征被重新整形为大小为 (49, 2048) 的张量。 OCR 和对象检测组件分别最多有 20 个和 10 个单词，每个维度为 (300,1)。我想使用线性投影将这些向量连接/嵌入到维度 d=512 的联合空间中。我该怎么做？

我使用了 axis=None 的 numpy.concatenate 函数，它线性连接输出，尺寸为 100652，但我希望输出如上所述，带有 (512,n)，因为我必须将连接输出传递给解码器。

Answer 1

说明使用不同的轴连接：

In [32]: alist = [np.ones((2,4),int)*i for i in range(1,4)]
In [33]: alist
Out[33]: 
[array([[1, 1, 1, 1],
        [1, 1, 1, 1]]),
 array([[2, 2, 2, 2],
        [2, 2, 2, 2]]),
 array([[3, 3, 3, 3],
        [3, 3, 3, 3]])]
In [34]: np.concatenate(alist,axis=0)
Out[34]: 
array([[1, 1, 1, 1],
       [1, 1, 1, 1],
       [2, 2, 2, 2],
       [2, 2, 2, 2],
       [3, 3, 3, 3],
       [3, 3, 3, 3]])
In [35]: np.concatenate(alist,axis=1)
Out[35]: 
array([[1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3],
       [1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3]])
In [36]: np.concatenate(alist,axis=None)
Out[36]: 
array([1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3,
       3, 3])

这与您从阅读文档中期望的有什么不同吗？