神经网络与深度学习学习笔记:numpy基础
来源:互联网 发布:英雄联盟匹配算法 编辑:程序博客网 时间:2024/06/07 20:27
import numpy# def sigmoid(x):# return 1/(1+numpy.exp(-x))# print(sigmoid(3))# print(sigmoid(numpy.array([1,2,3])))def sigmoid_derivative(x): s=1/(1+numpy.exp(-x)) ds=s*(1-s) return dsprint(sigmoid_derivative(numpy.array([1,2,3])))#产生随机矩阵# a=numpy.random.randn(2,4)# print(a)#矩阵乘法# a=numpy.random.randn(4,3)# b=numpy.random.randn(3,4)# print(numpy.dot(a,b))#列求和与行求和# A=numpy.array([[56,0,4.4,68],# [1.2,104,52,8],# [1.8,135,99,0.9]])# cal=A.sum(axis=0) #axis=0表示列求和,axis=1表示行求和# percentage=A/cal*100# print(percentage)#广播,只适用于行向量或列向量# B=numpy.array([[1,2,3],# [4,5,6],# [7,8,9],# [10,11,12]])# C=numpy.array([[1],# [2],# [3],# [4]])# print(B*100)# print(B/C)
向量扁平化
对于图像文件,其数值往往是一个三维向量(长X宽X颜色位深),对运算而言,向量的扁平化就显得很重要。以下代码将一个三维矩阵转换成了一维向量:
import numpydef image2vector(image): return image.reshape((image.shape[0]*image.shape[1]*image.shape[2],1)) #shape函数是取矩阵的维度,三维矩阵可取0,1,2image = numpy.array([[[0.678,0.293], [0.907,0.528], [0.421,0.450]], [[0.928,0.966], [0.853,0.523], [0.199,0.274]], [[0.606,0.005], [0.108,0.499], [0.341,0.946]]])print(image2vector(image))
向量归一化
import numpy#向量标准化def normalizeRows(x): x_norm=numpy.linalg.norm(x,axis=1,keepdims=True) #axis=1:水平运算 x=x/x_norm return xx=numpy.array([[0,3,4], [1,6,4]])print(normalizeRows(x))
softmax
图片来自《一天搞懂深度学习》:
代码实现:
import numpydef softmax(x): x_exp=numpy.exp(x) x_sum=x_exp.sum(axis=1).reshape(2,1) s=x_exp/x_sum return sx=numpy.array([[9,2,5,0,0], [7,5,0,0,0]])print(softmax(x))
均方损失
import numpydef L1(y_hat,y): loss=abs(y-y_hat).reshape(1,y.shape[0]).sum(axis=1) return lossy_hat=numpy.array([0.9,0.2,0.1,0.4,0.9])y=numpy.array([1,0,0,1,1])print(L1(y_hat,y))def L2(y_hat,y): loss=numpy.dot(y-y_hat,y-y_hat) return lossprint(L2(y_hat,y))
其中L1与L2分别为:
阅读全文
0 0
- 神经网络与深度学习学习笔记:numpy基础
- [DeeplearningAI笔记]神经网络与深度学习2.1-2.4神经网络基础
- 深度学习Numpy基础
- 《神经网络与深度学习》学习笔记
- [DeeplearningAI笔记]神经网络与深度学习4.深度神经网络
- 神经网络与深度学习学习笔记:实现单隐层的神经网络
- 神经网络与深度学习学习笔记:神经网络的优化
- 神经网络与深度学习学习笔记:神经网络的优化(二)
- Coursera吴恩达《神经网络与深度学习》课程笔记(2)-- 神经网络基础之逻辑回归
- [DeeplearningAI笔记]神经网络与深度学习2.11_2.16神经网络基础(向量化)
- 吴恩达 神经网络和深度学习 第二周神经网络基础笔记
- 【神经网络与深度学习】GLog使用笔记
- 神经网络与深度学习 笔记 (一)
- 《神经网络与深度学习》编程笔记
- 【神经网络与深度学习】学习笔记:AlexNet&Imagenet学习笔记
- 神经网络与深度学习
- 深度学习与神经网络
- 神经网络与深度学习
- C语言内存划分
- matplotlib plot绘图简介
- SSH远程登录
- 洛谷1155 NOIP2008 双栈排序【二分图染色】
- Java Web 2.1.6 2-7实例分析
- 神经网络与深度学习学习笔记:numpy基础
- Linux Shell脚本基础(三)
- Java基础--运算符
- Django blog
- 利用命令行执行java时,无法加载主类执行方法
- List,Set,Map是否继承自Collection接口? 答:List,Set是,Map不是。 Collection是最基本的集合接口,一个Collection代表一组Object,即Colle
- 初识linux 中的fork()
- SSH框架入门(2)——struts2(2)
- 对开根号判断素数的优化