Silabus Pelajaran 10 dari 246 · Modul 1: Python untuk kursus ini
Modul 1: Python untuk kursus ini

Bentuk: baris, kolom, batch

Kenapa ini penting Sebagian besar bug di kode jaringan saraf adalah bug bentuk. Kalau kamu bisa memperkirakan bentuk sebelum menjalankan barisnya, kamu akan menemukannya dengan cepat.

Setiap array punya .shape: tuple yang memberi ukurannya di setiap arah. Daftar berisi 5 angka berbentuk (5,). Tabel 3 baris dan 4 kolom berbentuk (3, 4). Batch berisi 32 gambar, masing-masing 28 kali 28 piksel, berbentuk (32, 28, 28).

Angka kecil

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

Menambah arah dengan None

Mengindeks dengan None menyisipkan arah baru berukuran 1 di posisi itu, tanpa mengubah angka apa pun. Untuk vektor p berbentuk (5,), p[:, None] berbentuk (5, 1): sebuah kolom. Begitulah kamu mengalikan setiap baris tabel (5, 3) dengan angkanya sendiri: p[:, None] * X, karena arah berukuran 1 disalin ke 3 kolom. Begitu juga p[None, :] adalah sebuah baris, berbentuk (1, 5).

axis: arah yang dilalui sebuah operasi. axis=0 berjalan menuruni baris (satu hasil per kolom); axis=1 berjalan menyusuri setiap baris (satu hasil per baris).

Ringkasan Ucapkan bentuknya keras-keras sebelum kamu menjalankan barisnya.

Kata dan simbol di pelajaran ini
array
blok angka NumPy, semuanya bertipe sama, yang menghitung semua elemen sekaligus
shape
ukuran array di setiap arah, misalnya (32, 64) adalah 32 baris berisi 64
axis
arah yang dilalui sebuah operasi: axis=0 menuruni baris, axis=1 menyusuri setiap baris
rata-rata, sebaran
nilai rata-rata, dan kira-kira seberapa jauh nilai-nilai dari situ (simpangan baku)
Giliranku

Prediksi, tanpa menjalankannya, bentuk dari setiap ekspresi di bawah untuk X = np.zeros((6, 3)) dan w = np.zeros(3). Isi predictions dengan tuple. Lalu jalankan untuk mengecek sendiri.

  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() (gunakan ())

Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini

Latihan ini akan segera dibuka

Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.