形:行、列、バッチ
なぜ大切か ニューラルネットワークのコードのバグのほとんどは、形のバグです。行を動かす前に形を予測できれば、それをすばやく見つけられます。
どの配列にも .shape があります。それぞれの向きに沿った大きさを与えるタプルです。5 つの数のリストの形は (5,) です。3 行 4 列の表の形は (3, 4) です。それぞれ 28 × 28 画素の 32 の画像のバッチの形は (32, 28, 28) です。
小さな数
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 で向きを加える
None で添字を付けると、どの数も変えずに、その場所に大きさ 1 の新しい向きが入ります。形 (5,) のベクトル p では、p[:, None] の形は (5, 1):列です。これが、(5, 3) の表のそれぞれの行に専用の数を掛けるやり方です:p[:, None] * X。大きさ 1 の向きが 3 つの列にわたって写されるからです。同じように p[None, :] は行で、形は (1, 5) です。
軸:操作がどの向きに沿って動くかです。axis=0 は行を下へ動き(列ごとにひとつの結果)、axis=1 はそれぞれの行に沿って動きます(行ごとにひとつの結果)。
まとめ 行を動かす前に、形を声に出して言いましょう。
このレッスンの言葉と記号
- 配列
- すべて同じ型の数の NumPy のかたまりで、すべての項目に一度に計算をする
- 形
- それぞれの向きに沿った配列の大きさ。例えば (32, 64) は 64 の 32 行
- 軸
- 操作がどの向きに沿って動くか:axis=0 は行を下へ、axis=1 はそれぞれの行に沿って
- 平均、散らばり
- 平均と、値がそこからおおよそどれだけ離れているか(標準偏差)
X = np.zeros((6, 3)) と w = np.zeros(3) について、下のそれぞれの式の形を、動かさずに予測してください。predictions をタプルで埋めます。それから動かして自分を確かめてください。
X[2]X[:, 1]X.TX.sum(axis=0)X.sum(axis=1)X @ wX[1:4]X.reshape(3, 6)X[:, None, :]X.mean()(()を使う)
この演習はまもなく開きます
その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。
このブラウザは learn.floati.life の Cookie をブロックしているため、ここで修了したレッスンを順番どおりに開けません。このサイトの Cookie を許可して再読み込みしてください。