Substituindo laços por cálculos de matriz inteira
Por que isso importa Cada camada de uma rede são algumas linhas de matriz inteira. Aprender a transformar um laço em uma linha é a habilidade principal do NumPy.
Três padrões cobrem a maior parte:
- Mesma operação em cada item:
a * 2 + 1. - A condição em cada item:
np.where(a > 0, a, 0)mantém os positivos e coloca 0 em outros lugares.np.clip(a, lo, hi)comprime valores em um intervalo. - Uma linha contra muitas:
X - psubtrai o pontopde cada linha deX(mais sobre por que isso funciona no Módulo 2).
Números pequenos
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
Resumo Descreva o que acontece com um item, depois escreva uma vez para a lista inteira.
Palavras e símbolos nesta lição
- array
- a bloco NumPy de números, todos do mesmo tipo, que faz cálculos em cada item de uma vez
- axis
- em sentido em que uma operação corre: axis=0 pelas linhas, axis=1 ao longo de cada linha
Reescreva estas três funções de loop sem laços Python:
relu(a): cada valor, ou 0 se for negativo.clip01(a): cada valor espremido no intervalo de 0 a 1.distances(X, p): a distância em linha reta do pontoppara cada linha deX.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.