文章部分内容参考自https://captainbed.vip/1-2-9/
文章目录
向量化
向量化概述
向量化事一种思想,可以大大提高人工智能编程的效率与速度。
简单来说,向量化就是尽量不手动编写算法过程,多多使用python库中提供的一些函数。
由于Python的特性——翻译型语言,翻译一条执行一条,而向量化则是一次性翻译并执行,所以这样做可以大大地提高编程效率。
在人工智能编程中,能使用向量化就一定要用。
简单示例
例如,实现两个向量A和B的相乘,手写的话如下:
res = 0
for i in range(0, 3):
res += A[i] * B[i]
采用向量化的写法如下(调用python的numpy库):
import numpy as np
res = np.dot(A, B.T) //dot为向量乘法函数,.T 为求转置矩阵
💡转置只是为了方便计算
示例:逻辑回归向量化编程
其含义如下:
-
红色:遍历数据集中的所有训练样本
-
绿色:遍历当前样本的所有输入特征,一个样本往往会有多个特征,w是他对应的权重,根据逻辑回归函数的公式实现累加
-
黑色:根据sigmoid函数求预测结果
-
橙色:求损失函数,累加得到成本函数
-
蓝色:遍历所有特征,求每一个权重对应的偏导数(反推dw、db),为实现最小化成本函数。(为什么这样做参加这里的评论)
-
后面的除以m都是求平均值
向量化后的代码如下: