पाठ्यक्रम 246 में से पाठ 10 · Module 1: इस कोर्स के लिए Python
Module 1: इस कोर्स के लिए Python

आकार (shapes): rows, columns, batches

यह क्यों मायने रखता है neural network code के ज़्यादातर bugs shape bugs हैं। अगर आप line चलाने से पहले एक shape का अनुमान लगा सकें, आप उन्हें तेज़ी से ढूँढेंगे।

हर array का एक .shape है: हर दिशा में उसका आकार देने वाला एक tuple। 5 संख्याओं की एक list का shape (5,) है। 3 rows और 4 columns की एक table का shape (3, 4) है। 32 images का एक batch, हर एक 28 गुणा 28 pixels, का shape (32, 28, 28) है।

छोटी संख्याएँ

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

None से एक दिशा जोड़ना

None से indexing उस जगह आकार 1 की एक नई दिशा डालता है, कोई संख्या बदले बिना। shape (5,) के एक vector p के लिए, p[:, None] का shape (5, 1) है: एक column। इसी तरह आप एक (5, 3) table की हर row को उसकी अपनी संख्या से गुणा करते हैं: p[:, None] * X, क्योंकि आकार-1 दिशा 3 columns में copy होती है। इसी तरह p[None, :] एक row है, shape (1, 5)।

axis: एक operation किस दिशा में चलता है। axis=0 rows के नीचे चलता है (हर column का एक नतीजा); axis=1 हर row के साथ चलता है (हर row का एक नतीजा)।

सार line चलाने से पहले shape ज़ोर से बोलें।

इस पाठ के शब्द और चिह्न
array
संख्याओं का एक NumPy block, सब एक प्रकार की, जो हर item पर एक साथ गणित करता है
shape
हर दिशा में एक array का आकार, उदाहरण के लिए (32, 64) 64 की 32 rows है
axis
एक operation किस दिशा में चलता है: axis=0 rows के नीचे, axis=1 हर row के साथ
mean, spread
औसत, और मान उससे मोटे तौर पर कितनी दूर बैठते हैं (standard deviation)
आपकी बारी

X = np.zeros((6, 3)) और w = np.zeros(3) के लिए, उन्हें चलाए बिना, नीचे के हर expression के shape का अनुमान लगाएँ। predictions को tuples से भरें। फिर ख़ुद को जाँचने के लिए चलाएँ।

  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() (() इस्तेमाल करें)

इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें

यह अभ्यास जल्द खुलेगा

इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।