- np.hstack()
示例:
X_train = np.hstack([X_train, np.ones((X_train.shape[0], 1))])
其中X_train是大小为(49000,3072)的数组。
现假设a = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16],[17,18,19,20]])
即a是一个大小为(5,4)的数组。
再假设b = np.hstack([a, np.ones((a.shape[0],1))])
结果为
array([[ 1., 2., 3., 4., 1.],
[ 5., 6., 7., 8., 1.],
[ 9., 10., 11., 12., 1.],
[13., 14., 15., 16., 1.],
[17., 18., 19., 20., 1.]])
可以看出np.hstack()是在水平方向上平铺,示例所要达到的效果就是在3072维的数据最后增加值为1的维度。
- np.random.randn()
randn函数返回一个或一组样本,具有标准正态分布。
示例:
>>> np.random.randn(2,4)
array([[ 0.21579664, -0.69272382, -0.12346129, 2.21319166],
[-0.76396128, 0.22893731, 0.01185435, 0.60234231]])
- dot()
如果处理的是一维数组,得到的是两数组的内积;
如果是二维数组(矩阵)之间的运算,得到的是矩阵积。