‼️博客为作者学习回顾知识点所用，并非商用，如有侵权，请联系作者删除‼️

目录

2.15Python中的广播

python广播中的规则

2.16Python numpy 向量的注释

排除bug的技巧

代码1:

运行结果🌟：

代码2:

运行结果🌟：​编辑

总结

2.17Jupyter iPython笔记本的快速浏览

2.18逻辑回归中损失函数的解释（选修）

2.19Pieter Abbeel访谈（选修）

2.15Python中的广播

python广播中的规则

2.16Python numpy 向量的注释

排除bug的技巧

代码1:

import numpy as npa = np.random.randn(5)print(a) print(a.shape) #a的形状结果print(a.T) #a的转置 print(np.dot(a,a.T)) #a和a转置的内积

运行结果🌟：

代码2:

import numpy as npa = np.random.randn(5,1)print(a)print(a.T)print(np.dot(a,a.T)) #得到向量的外积，是一个矩阵

运行结果🌟：

总结

通过在旧代码中消除秩为1的矩阵，代码变得更简单，更容易发现其中的错误；

为了简化代码，不要使用秩为1的数组，始终使用n乘1的矩阵，本质上是列向量；

或者使用1乘n的矩阵，本质上是行向量；

自由使用断言语句，来复查矩阵和数组的维度，不要怕使用reshape操作，来确保矩阵和向量是所需要的维度。

2.17Jupyter iPython笔记本的快速浏览

便于快速学习~

2.18逻辑回归中损失函数的解释（选修）

2.19Pieter Abbeel访谈（选修）

读博：导师塑造学生，增进学生的才能；

找工作：职业导师

强化学习

（于-10-12 18:15:03 首次发布）