Müfredat 246 dersinden 10. · Modül 1: Bu kurs için Python
Modül 1: Bu kurs için Python

Şekiller: satırlar, sütunlar, batch'ler

Neden önemli Sinir ağı kodundaki hataların çoğu şekil hatasıdır. Bir satırı çalıştırmadan önce şeklini tahmin edebilirsen, onları hızla bulursun.

Her dizinin bir .shape özelliği vardır: her yöndeki boyutunu veren bir demet. 5 sayılık bir listenin şekli (5,)'tir. 3 satır ve 4 sütunluk bir tablonun şekli (3, 4)'tür. Her biri 28'e 28 piksel olan 32 resimlik bir batch'in şekli (32, 28, 28)'dir.

Küçük sayılar

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 ile bir yön eklemek

None ile indekslemek, hiçbir sayıyı değiştirmeden o noktaya 1 boyutunda yeni bir yön ekler. (5,) şeklindeki bir p vektörü için p[:, None] (5, 1) şeklindedir: bir sütun. (5, 3) boyutlu bir tablonun her satırını kendi sayısıyla böyle çarparsın: p[:, None] * X, çünkü 1 boyutlu yön 3 sütun boyunca kopyalanır. Benzer şekilde p[None, :] bir satırdır, şekli (1, 5).

axis: bir işlemin hangi yönde ilerlediği. axis=0 satırlar boyunca aşağı iner (sütun başına bir sonuç); axis=1 her satır boyunca ilerler (satır başına bir sonuç).

Özet Satırı çalıştırmadan önce şekli yüksek sesle söyle.

Bu dersteki kelimeler ve semboller
dizi
hepsi aynı türde sayılardan oluşan ve her öğe üzerinde aynı anda matematik yapan bir NumPy bloğu
şekil
bir dizinin her yöndeki boyutu, örneğin (32, 64) 64'lük 32 satırdır
axis
bir işlemin hangi yönde ilerlediği: axis=0 satırlar boyunca aşağı, axis=1 her satır boyunca
ortalama, yayılım
ortalama değer ve değerlerin ondan kabaca ne kadar uzakta durduğu (standart sapma)
Senin sıran

X = np.zeros((6, 3)) ve w = np.zeros(3) için aşağıdaki her ifadenin şeklini çalıştırmadan tahmin et. predictions listesini demetlerle doldur. Sonra kendini kontrol etmek için çalıştır.

  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() (() kullan)

Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor

Bu alıştırma yakında açılacak

Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.