سرفصل‌ها درس 12 از 246 · ماژول 1: پایتون برای این دوره
ماژول 1: پایتون برای این دوره

جایگزین کردن حلقه‌ها با ریاضی روی کل آرایه

چرا مهم است هر لایهٔ یک شبکه چند خط روی کل آرایه است. یاد گرفتن تبدیل یک حلقه به یک خط، مهارت اصلی NumPy است.

سه الگو بیشتر آن را پوشش می‌دهند:

  • عملیات یکسان روی هر قلم: a * 2 + 1.
  • یک شرط روی هر قلم: np.where(a > 0, a, 0) مثبت‌ها را نگه می‌دارد و جای دیگر 0 می‌گذارد. np.clip(a, lo, hi) مقدارها را در یک بازه می‌فشارد.
  • یک ردیف در برابر بسیاری: X - p نقطهٔ p را از هر ردیف X کم می‌کند (چرایی کار کردنش در ماژول 2).

اعداد کوچک

X = np.array([[0, 0], [3, 4], [6, 8]])
p = np.array([0, 0])
np.sqrt(((X - p) ** 2).sum(axis=1))   # [ 0.  5. 10.]  distance of each row from p

خلاصه توصیف کنید چه بر سر یک قلم می‌آید، سپس آن را یک بار برای کل آرایه بنویسید.

واژه‌ها و نمادهای این درس
آرایه
یک بلوک NumPy از اعداد، همه از یک نوع، که روی همهٔ اقلام با هم ریاضی انجام می‌دهد
محور (axis)
جهتی که یک عملیات در آن اجرا می‌شود: axis=0 در طول ردیف‌ها به پایین، axis=1 در طول هر ردیف
نوبت شما

این سه تابع حلقه‌ای را بدون هیچ حلقهٔ پایتون بازنویسی کنید:

  • relu(a): هر مقدار، یا اگر منفی است 0.
  • clip01(a): هر مقدار فشرده‌شده در بازهٔ 0 تا 1.
  • distances(X, p): فاصلهٔ خط راست از نقطهٔ p تا هر ردیف X.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.