Neural Networks and Deep Learning _Week 2 _Python Basics with numpy 笔记

• 在机器学习中，我们通常用np.exp(x)，而不是math.exp(x)。因为x有可能是一个矩阵
• X.shape[0]返回X的第一维向量的个数...
• X.reshape(a, b)将X变为a*b的矩阵

• 向量的模：∥x∥=np.linalg.norm(x,axis=1,keepdims=True)

1. axis：处理类型

    axis=1表示按行向量处理，求多个行向量的范数

    axis=0表示按列向量处理，求多个列向量的范数

    axis=None表示矩阵范数

2.  

   keepding：是否保持矩阵的二维特性

          True表示保持矩阵的二维特性，False相反

•  

  softmax()归一化

   

  # GRADED FUNCTION: softmax
  
  def softmax(x):
      x_exp = None
      x_exp = np.exp(x)
      
      x_sum = None
      x_sum = np.sum(x_exp, axis = 1, keepdims = True)
      
      s = None
      s = x_exp/x_sum
      
      return s

   

• 在python中，np.dot()是矩阵乘法，而‘ * ’，‘ np.multiply() ’相当于.*