‼️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)