【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 = 2.0
a * 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)
>>> a
array([[ 0],
       [10],
       [20],
       [30],
       [40]])
>>> a.shape
(5L, 1L)
>>> b=np.arange(3)
>>> b
array([0, 1, 2])
>>> b.shape
(3L,)
>>> c=a+b
>>> c
array([[ 0,  1,  2],
       [10, 11, 12],
       [20, 21, 22],
       [30, 31, 32],
       [40, 41, 42]])