制作一个 0 到 nxn 矩阵并将其重塑为对答案

【问题标题】：Making a 0 to nxn matrix and reshape it to pairs制作一个 0 到 nxn 矩阵并将其重塑为对
【发布时间】：2019-10-09 08:54:43
【问题描述】：

也许我错了，我不知道如何搜索它。

我需要得到一个配对列表

(0,0) (0,1) (0,2) ... (0,999) ... (999,999)

将这些值放入神经网络并得到结果 - 只是一个长度为 (999*999) 的向量

然后我可以将其重塑为 (999,999) 并获得输出图。

所以，天真的方法是使用

for i in range(0, 999):
    for j in range(0, 999):
        list.add(predict(i,j))

但是不能批量使用

另一种幼稚的方法是

numbers=[]
for i in range(0, 999):
    for j in range(0, 999):
        numbers.append([i,j])

这可以分批工作。

还有更优雅的解决方案吗？

【问题讨论】：

究竟需要什么？此类元组的单个 (1-d) 列表/数组 (0,1) (0,2) ... (0,999) ... (999,999) ？如果您可以按照要求的确切格式发布示例输出，那将有所帮助。
@Parth 是的，你是对的
你想包含(0,0), (1,0), (2,0)等吗？例如你没有给(0,0)。
@Parth 是的，它们也必须包括在内

【解决方案1】：

试试这个：

target_list = np.array([(i,j) for i in range(1000) for j in range(1000)])

print(target_list) 将以 numpy 数组格式提供所需的列表：

[[  0   0]
 [  0   1]
 [  0   2]
 ...
 [999 997]
 [999 998]
 [999 999]]

【讨论】：

非常感谢！抱歉，我无法提高帖子分数
@fisi 欢迎。不用担心。很高兴能提供帮助。
如果有人对性能感兴趣，在我的电脑上，这种方法比在循环中填充列表快 10%（~800ms vs ~900ms）。如果我们不创建np.array，大约需要300ms