Thay vòng lặp bằng phép toán trên cả mảng
Vì sao điều này quan trọng Mỗi lớp của một mạng là vài dòng phép toán trên cả mảng. Học cách biến một vòng lặp thành một dòng là kỹ năng NumPy cốt lõi.
Ba khuôn mẫu bao phủ phần lớn:
- Cùng một phép toán trên mọi phần tử:
a * 2 + 1. - Một điều kiện trên mọi phần tử:
np.where(a > 0, a, 0)giữ các số dương và đặt 0 ở chỗ khác.np.clip(a, lo, hi)ép các giá trị vào một khoảng. - Một hàng đối với nhiều hàng:
X - ptrừ điểmpkhỏi mọi hàng củaX(sẽ nói thêm vì sao điều này hoạt động ở Mô-đun 2).
Những con số nhỏ xíu
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
Tóm tắt Mô tả điều gì xảy ra với một phần tử, rồi viết nó một lần cho cả mảng.
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
- axis
- chiều mà một phép toán chạy dọc theo: axis=0 xuống các hàng, axis=1 dọc mỗi hàng
Viết lại ba hàm vòng lặp này mà không dùng vòng lặp Python:
relu(a): mỗi giá trị, hoặc 0 nếu nó âm.clip01(a): mỗi giá trị được ép vào khoảng 0 tới 1.distances(X, p): khoảng cách đường thẳng từ điểmptới mỗi hàng củaX.
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.
Trình duyệt này đang chặn cookie cho learn.floati.life, nên các bài học bạn đã hoàn thành tại đây không thể mở theo thứ tự. Hãy cho phép cookie cho trang web này và tải lại trang.