Programma Les 10 van 246 · Module 1: Python voor deze cursus
Module 1: Python voor deze cursus

Vormen: rijen, kolommen, batches

Waarom dit ertoe doet De meeste bugs in code voor neurale netwerken zijn vormbugs. Als je een vorm kunt voorspellen voordat je de regel draait, vind je ze snel.

Elke array heeft een .shape: een tuple met de grootte in elke richting. Een lijst van 5 getallen heeft vorm (5,). Een tabel van 3 rijen en 4 kolommen heeft vorm (3, 4). Een batch van 32 afbeeldingen van elk 28 bij 28 pixels heeft vorm (32, 28, 28).

Kleine getallen

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

Een richting toevoegen met None

Indexeren met None voegt op die plek een nieuwe richting van grootte 1 toe, zonder getallen te veranderen. Voor een vector p met vorm (5,) heeft p[:, None] vorm (5, 1): een kolom. Zo vermenigvuldig je elke rij van een tabel van (5, 3) met een eigen getal: p[:, None] * X, want de richting van grootte 1 wordt over de 3 kolommen gekopieerd. Zo is p[None, :] een rij, met vorm (1, 5).

axis: in welke richting een bewerking loopt. axis=0 loopt langs de rijen omlaag (één resultaat per kolom); axis=1 loopt langs elke rij (één resultaat per rij).

Samenvatting Zeg de vorm hardop voordat je de regel draait.

Woorden en symbolen in deze les
array
een NumPy-blok getallen, allemaal van hetzelfde type, dat rekent op elk element tegelijk
shape
de grootte van een array in elke richting, bijvoorbeeld (32, 64) is 32 rijen van 64
axis
in welke richting een bewerking loopt: axis=0 langs de rijen omlaag, axis=1 langs elke rij
gemiddelde, spreiding
het gemiddelde, en ongeveer hoe ver de waarden ervan af liggen (standaardafwijking)
Jij bent aan de beurt

Voorspel, zonder ze uit te voeren, de vorm van elke expressie hieronder voor X = np.zeros((6, 3)) en w = np.zeros(3). Vul predictions in met tuples. Voer ze daarna uit om zelf te controleren.

  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() (gebruik ())

Een probleem ontdekt in deze les? Meld het · Vraag naar deze les

Deze oefening opent binnenkort

Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.