深度学习入门12-多维数组的运算

深度学习入门12-多维数组的运算

图片来源：搜狐

大家好！在上一篇文章中，我们学习sigmoid函数的实现和新的激活函数ReLU，为了更加高效地实现神经网络，我们将学习NumPy多维数组的运算。

1 多维数组

简单地讲，多维数组就是“数字的集合”。如下图所示，单个数据元素可以称为标量，数字排成一列的集合可以称为一位数组，排成长方形的集合称为二维数组，排成三维状的集合称为三维数组，或者（更加一般化的）N维状的集合都称为多维数组。

下面我们就用NumPy来生成多维数组，先从前面介绍过的一维数组开始。

In[2]: import numpy as np
In[3]: A = np.array([1, 2, 3, 4])
In[4]: print(A)
[1 2 3 4]
In[5]: np.ndim(A)
Out[5]: 1
In[6]: A.shape
Out[6]: (4,)
In[7]: A.shape[0]
Out[7]: 4

如上述代码所示，数组的维数可以通过numpy.dim()方法获得。使用numpyArray.shape方法可以获得数组的形状。我们的代码中，A是一维数组，由4个元素构成。注意A.shape的结果是一个元组(tuple) ，这是因为形状是4x3二维数组返回的是元组(4,3)，形状是4x3x2的三维数组返回的是(4,3,2)，因此，一维数组的情况下也要返回和多维数组的情况下一致的结果。例如，下面代码所示：

In[3]: B = np.array([[1, 2], [3, 4], [5, 6]])
In[4]: print(B)
[[1 2]
 [3 4]
 [5 6]]
In[5]: np.ndim(B)
Out[5]: 2
In[6