البث: عندما تتمد الأشكال
لماذا هذا مهم إضافة bias إلى كل صف نجحت بدون استخدام loop. هذا هو broadcasting. وهو أيضاً السبب وراء أكثر أخطاء gradient شيوعاً ستواجهها في Module 4.
عندما يكون للمصفوفتين أشكالاً مختلفة، تقوم NumPy بمحاذاة الأشكال من جهة اليمين. يجب أن يكون كل زوج من الأحجام متساوياً، أو يجب أن يكون أحدها 1 (أو مفقوداً). يتم تمديد الاتجاه ذو الحجم 1 ليتناسب مع الآخر.
أرقام صغيرة
- (3, 4) + (4,) تعمل: يتم إعادة استخدام صف (4,) لجميع الصفوف الثلاثة. تفشل العملية
- (3, 4) + (3,): عند المحاذاة من اليمين، لا تتطابق 4 و 3.
- (3, 4) + (3, 1) يعمل: يتم إعادة استخدام العمود عبر جميع الأعمدة الأربعة.
- (5, 1) + (1, 6) تعطي (5, 6): كلاهما يتمدد.
Broadcasting: قاعدة NumPy لدمج المصفوفات ذات الأشكال المختلفة عن طريق تمديد الأبعاد ذات الحجم 1.
ملخص محاذاة من اليمين؛ يساوي أو 1، وإلا خطأ.
الكلمات والرموز في هذا الدرس
- broadcasting
- NumPy stretching size-1 directions so arrays of different shapes combine
اكتب broadcast_shape(s1, s2) التي تعيد شكل النتيجة عند دمج شكلين، أو None إذا تعذر بثهما. قم بتنفيذ القاعدة بنفسك (لا تستخدم وظيفة مساعدة من NumPy).
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.