Программа курса Урок 10 из 246 · Модуль 1: Python для этого курса
Модуль 1: Python для этого курса

Формы: строки, столбцы, батчи

Почему это важно Большинство багов в коде нейронных сетей - баги форм. Если вы можете предсказать форму до запуска строки, вы будете находить их быстро.

У каждого массива есть .shape: кортеж, дающий его размер по каждому направлению. Список из 5 чисел имеет форму (5,). Таблица из 3 строк и 4 столбцов имеет форму (3, 4). Батч из 32 изображений по 28 на 28 пикселей имеет форму (32, 28, 28).

Маленькие числа

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

Добавление направления через None

Индексация через None вставляет в это место новое направление размера 1, не меняя никаких чисел. Для вектора p формы (5,) p[:, None] имеет форму (5, 1): столбец. Так каждую строку таблицы (5, 3) умножают на своё число: p[:, None] * X, потому что направление размера 1 копируется на 3 столбца. Точно так же p[None, :] - строка, форма (1, 5).

axis: направление, вдоль которого идёт операция. axis=0 идёт вниз по строкам (один результат на столбец); axis=1 идёт вдоль каждой строки (один результат на строку).

Итоги Проговорите форму вслух, прежде чем запускать строку.

Слова и символы этого урока
массив
блок чисел NumPy, все одного типа, который делает математику со всеми элементами сразу
форма
размер массива по каждому направлению, например (32, 64) - это 32 строки по 64
axis
направление, вдоль которого идёт операция: axis=0 вниз по строкам, axis=1 вдоль каждой строки
среднее, разброс
среднее значение и примерно то, насколько далеко от него лежат значения (стандартное отклонение)
Твоя очередь

Предскажите, не запуская, форму каждого выражения ниже для X = np.zeros((6, 3)) и w = np.zeros(3). Заполните predictions кортежами. Затем запустите, чтобы проверить себя.

  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() (use ())

Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке

Это упражнение откроется скоро

Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.