【Theano】复习Numpy

1.机器学习的约定

考虑如下例子：

numpy.asarray([[1., 2], [3, 4], [5, 6]])numpy.asarray([[1., 2], [3, 4], [5, 6]]).shape

这是一个3x2的矩阵，那么访问第三行第一列的元素为：

numpy.asarray([[1., 2], [3, 4], [5, 6]])[2, 0]

2.广播

Numpy在算术运算中对不同形状阵列数组进行了广播操作。这意味着，一般是较小的数组（或标量）是通过广播跨越较大的阵列以使它们具有兼容的形状。

下面的例子显示广播的一个实例：

a = numpy.asarray([1.0, 2.0, 3.0])b = 2.0a * b

广播(broadcasting)处理规则：

• 让所有输入数组都向其中维数最多的数组看齐， shape 属性中不足的部分都通过在前面加 1 补齐。
• 输出数组的 shape 属性是输入数组的 shape 属性在各个轴上的最大值。
• 如果输入数组的某个轴长度为 1 或与输出数组对应轴的长度相同，这个数组就能够用来计算，否则出错。
• 当输入数组的某个轴长度为 1 时，沿着此轴运算时都用此轴上的第一组值。

>>> a=np.arange(0,50,10)>>> a=a.reshape(-1,1)>>> aarray([[ 0],       [10],       [20],       [30],       [40]])>>> a.shape(5L, 1L)>>> b=np.arange(3)>>> barray([0, 1, 2])>>> b.shape(3L,)>>> c=a+b>>> carray([[ 0,  1,  2],       [10, 11, 12],       [20, 21, 22],       [30, 31, 32],       [40, 41, 42]])