Chương trình học Bài 10 trên tổng số 246 · Mô-đun 1: Python cho khóa học này
Mô-đun 1: Python cho khóa học này

Shape: hàng, cột, batch

Vì sao điều này quan trọng Phần lớn lỗi trong mã mạng nơ-ron là lỗi shape. Nếu bạn dự đoán được một shape trước khi chạy dòng lệnh, bạn sẽ tìm ra chúng nhanh.

Mỗi mảng có một .shape: một tuple cho biết kích thước của nó theo mỗi chiều. Một list 5 con số có shape (5,). Một bảng 3 hàng và 4 cột có shape (3, 4). Một batch 32 ảnh, mỗi ảnh 28 x 28 điểm ảnh, có shape (32, 28, 28).

Những con số nhỏ xíu

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

Thêm một chiều bằng None

Lấy chỉ số bằng None chèn một chiều mới kích thước 1 tại vị trí đó, mà không thay đổi con số nào. Với một vector p shape (5,), p[:, None] có shape (5, 1): một cột. Đó là cách bạn nhân mỗi hàng của một bảng (5, 3) với con số riêng của nó: p[:, None] * X, vì chiều kích thước 1 được chép ra khắp 3 cột. Tương tự p[None, :] là một hàng, shape (1, 5).

axis: chiều mà một phép toán chạy dọc theo. axis=0 chạy xuống các hàng (một kết quả cho mỗi cột); axis=1 chạy dọc mỗi hàng (một kết quả cho mỗi hàng).

Tóm tắt Hãy nói shape thành tiếng trước khi chạy dòng lệnh.

Từ và ký hiệu trong bài học này
mảng (array)
một khối số NumPy, cùng một kiểu, làm phép toán trên mọi phần tử cùng lúc
shape
kích thước của một mảng theo mỗi chiều, ví dụ (32, 64) là 32 hàng, mỗi hàng 64
axis
chiều mà một phép toán chạy dọc theo: axis=0 xuống các hàng, axis=1 dọc mỗi hàng
trung bình, độ phân tán
giá trị trung bình, và các giá trị nằm cách nó khoảng bao xa (độ lệch chuẩn)
Đến lượt bạn

Hãy dự đoán, không chạy, shape của mỗi biểu thức bên dưới với X = np.zeros((6, 3)) và w = np.zeros(3). Điền predictions bằng các tuple. Rồi chạy để tự kiểm tra.

  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() (dùng ())

Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này

Bài tập này sẽ sớm mở.

Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.