手写softmax(numpy.stack hstack vstack)

scores = [3.0, 1.0, 0.2]
import numpy as np




def softmax(x):
    return np.exp(x) / np.sum(np.exp(x), axis=0)




print(softmax(scores))


import matplotlib.pyplot as plt
x = np.arange(-2.0, 6.0, 0.1)


scores = np.vstack([x, np.ones_like(x), 0.2 * np.ones_like(x)])
print x
print scores
print softmax(scores)
print softmax(scores).T


plt.plot(x, softmax(scores).T, linewidth=2)
plt.show()


#softmax函数能够直接对List进行计算
#主要是np.exp(x),输入的x是是一个list,能分别对每个值进行计算返回的也是一个list
plot函数在一个图中画多条线，转置之后按列读取每一个数，有多少列就有多少个函数。










numpy中的stack,hstack,vstack用法
a = [[1, 2, 3],
     [4, 5, 6]]
print a




print ''
c = np.stack(a, axis=0)
print c


b = np.stack(a, axis=1)
print b


#输出a 是一个二维的list [[1,2,3],[4,5,6]]
np.stack函数是将list编程数组之后在这维度上增加一维度，由axis控制
axis=0按行读取增加一行


变成np.array类型的。
输出的c为
[[1 2 3]
 [4 5 6]]


axis=1按列读取增加一列
输出的b为
[[1 4]
 [2 5]
 [3 6]]


c b 与a大的区别就是c b是array类型的，a是list型


2. hstack()函数 
函数原型：hstack(tup) ，参数tup可以是元组，列表，或者numpy数组，返回结果为numpy的数组。看下面的代码体会它的含义


import numpy as np
a=[1,2,3]
b=[4,5,6]
print(np.hstack((a,b)))


输出：[1 2 3 4 5 6 ]
针对a b一维数组按水平方向堆叠起来，[1,2,3,4,5,6]






import numpy as np
a=[[1],[2],[3]]
b=[[1],[2],[3]]
c=[[1],[2],[3]]
d=[[1],[2],[3]]
print(np.hstack((a,b,c,d)))


输出：
[[1 1 1 1]
 [2 2 2 2]
 [3 3 3 3]]
针对 a b c d 是
[[1],
 [2],
 [3]]同样按水平方式堆叠，就上不断的增加列，从左到右，堆叠,变为
[[1 1 1 1]
 [2 2 2 2]
 [3 3 3 3]]
它其实就是水平(按列顺序)把数组给堆叠起来，vstack()函数正好和它相反。


3. vstack()函数 
函数原型：vstack(tup) ，参数tup可以是元组，列表，或者numpy数组，返回结果为numpy的数组。看下面的代码体会它的含义


import numpy as np
a=[1,2,3]
b=[4,5,6]
print(np.vstack((a,b)))


输出：
[[1 2 3]
 [4 5 6]]
按列的方式堆,从上到下


import numpy as np
a=[[1],[2],[3]]
b=[[1],[2],[3]]
c=[[1],[2],[3]]
d=[[1],[2],[3]]
print(np.vstack((a,b,c,d)))


输出：
[[1]
 [2]
 [3]
 [1]
 [2]
 [3]
 [1]
 [2]
 [3]
 [1]
 [2]
 [3]]


它是垂直（按照行顺序）的把数组给堆叠起来。