المنهج الدراسي الدرس 10 من 246 · الوحدة 1: Python لهذه الدورة
الوحدة 1: Python لهذه الدورة

الأشكال: الصفوف، الأعمدة، الدفعات

لماذا هذا مهم معظم الأخطاء في كود الشبكة العصبية هي أخطاء في الأبعاد. إذا استطعت توقع البعد قبل تشغيل السطر، فستجدها بسرعة.

لكل مصفوفة .shape: وهو زوج يعطي حجمها على طول كل اتجاه. قائمة من 5 أرقام لها shape (5,). جدول من 3 صفوف و4 أعمدة له shape (3, 4). دفعة من 32 صورة، كل منها 28 في 28 بكسل، لها shape (32, 28, 28).

أرقام صغيرة

X = np.zeros((3, 4))
X.shape          # (3, 4)
X[0].shape       # (4,)   one row
X[:, 0].shape    # (3,)   one column
X.T.shape        # (4, 3) transposed
X.sum(axis=0).shape  # (4,)  summed down the rows: one total per column

إضافة اتجاه بقيمة None

الفهرسة بـ None تُدرج اتجاهاً جديداً بحجم 1 في ذلك الموضع، دون تغيير أي رقم. لمتجه p بالشكل (5,)، يكون لـ p[:, None] الشكل (5, 1): عمود. وهكذا تضرب كل صف من جدول (5, 3) في رقمه الخاص: p[:, None] * X، لأن الاتجاه ذا الحجم 1 يُنسخ عبر الأعمدة الثلاثة. وبالمثل p[None, :] صف، بالشكل (1, 5).

axis: الاتجاه الذي تعمل فيه العملية. axis=0 يعمل على الصفوف (نتيجة واحدة لكل عمود)؛ axis=1 يعمل على كل صف (نتيجة واحدة لكل صف).

خلاصة قل اسم الشكل بصوت عالٍ قبل تشغيل السطر.

الكلمات والرموز في هذا الدرس
array
كتلة NumPy من الأرقام، كلها من نفس النوع، تقوم بعمليات حسابية على كل عنصر في وقت واحد
shape
حجم المصفوفة على طول كل اتجاه، على سبيل المثال (32, 64) يعني 32 صفاً من 64
axis
في أي اتجاه يتم تنفيذ العملية: axis=0 عبر الصفوف، axis=1 على طول كل صف
mean، spread
المتوسط، ومدى بعد القيم عنه تقريبًا (الانحراف المعياري)
دورك

توقّع، دون تشغيلها، شكل كل تعبير أدناه لـ X = np.zeros((6, 3)) وw = np.zeros(3). املأ predictions بصفوف (tuples). ثم شغّل لتتحقق من نفسك.

  1. X[2]
  2. X[:, 1]
  3. X.T
  4. X.sum(axis=0)
  5. X.sum(axis=1)
  6. X @ w
  7. X[1:4]
  8. X.reshape(3, 6)
  9. X[:, None, :]
  10. X.mean() (استخدم ())

هل لاحظت مشكلة في هذا الدرس؟ أبلغ عنها · اسأل عن هذا الدرس

سيفتح هذا التمرين قريبا

أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.