7.1.2 NumPy新手

译者:Python 文档协作翻译小组,原文:NumPy refresher

本文以 CC BY-NC-SA 4.0 协议发布,转载请保留作者署名和文章出处。

Python 文档协作翻译小组人手紧缺,有兴趣的朋友可以加入我们,完全公益性质。交流群:467338606。

这里有一些NumPy的快速指南:

机器学习的矩阵惯例

行是水平的,列是垂直的。每一行都是一个样本。因此,inputs[10,5]是10个样本的矩阵,其中每个样本具有维度5。如果这是神经网络的输入,则从输入到第一个隐藏层的权重将表示大小(5, #hid)的矩阵。

考虑这个数组:

>>> numpy.asarray([[1., 2], [3, 4], [5, 6]])
array([[ 1.,  2.],
 [ 3.,  4.],
 [ 5.,  6.]])
>>> numpy.asarray([[1., 2], [3, 4], [5, 6]]).shape
(3, 2)

这是3×2矩阵,即有3行和2列。

要访问第3行(#2行)和第1列(#0列)中的元素:

>>> numpy.asarray([[1., 2], [3, 4], [5, 6]])[2, 0]
5.0

要记住这一点,我们从左到右、从上到下读取,所以连续的元素是一行。也就是说,有3行和2列。

Broadcasting

Numpy在算术运算期间对不同形状的数组进行broadcasting。这通常意味着较小的数组(或标量)被broadcasted到较大的数组,以让它们具有兼容的形状。下面的示例演示broadcastaing的一个实例:

>>> a = numpy.asarray([1.0, 2.0, 3.0])
>>> b = 2.0
>>> a * b
array([ 2.,  4.,  6.])

在这种情况下,这里较小的数组b(实际上是标量,其工作原理类似于一个0维数组)在乘法过程中被broadcasted到与a相同的大小。这个技巧通常用于简化表达式的写法。有关broadcasting的更多详情,请参见numpy用户指南

powered by Gitbook该教程制作时间: 2017-02-12 14:14:31