【深度学习吴恩达】神经网络和深度学习--第二周课后测验及编程作业

早知晓

已于 2022-03-26 09:59:56 修改

阅读量648

点赞数

分类专栏：深度学习文章标签：神经网络 python

于 2021-10-14 11:12:17 首次发布

本文链接：https://blog.csdn.net/piupiu78/article/details/120759791

版权

深度学习专栏收录该内容

14 篇文章 1 订阅

订阅专栏

测验题

5 . Consider the two following random arrays “a” and “b”:(看一下下面的这两个随机数组“a”和“b”)

a = np.random.randn(4, 3) # a.shape = (4, 3)
b = np.random.randn(3, 2) # b.shape = (3, 2)
c = a * b

What will be the shape of “c”?(请问数组“c”的维度是多少？ )

Answer:
The computation cannot happen because the sizes don’t match. It’s going to be “error”!

Note:“*” operator indicates element-wise multiplication. Element-wise multiplication requires same
dimension between two matrices. It’s going to be an error.(注：运算符 “ * ” 说明了按元素乘法来相乘，但是元素乘法需要两个矩阵之间的维数相同，所以这将报错，无法计算。 )

7 . Recall that np.dot(a,b) performs a matrix multiplication on a and b, whereas a*b performs an element-wise multiplication.(回想一下， np.dot（a， b） 在 a 和 b 上执行矩阵乘法，而“a*b”执行元素方式的乘法。 )Consider the two following random arrays “a” and “b”:(看一下下面的这两个随机数组“a”和“b”： )

a = np.random.randn(12288, 150) # a.shape = (12288, 150)
b = np.random.randn(150, 45) # b.shape = (150, 45)
c = np.dot(a, b)

What is the shape of c?(请问 c 的维度是多少？ )

Answer:
c.shape = (12288, 45), this is a simple matrix multiplication example.( c.shape = (12288, 45), 这是一个简单的矩阵乘法例子。 )

8 . Consider the following code snippet:(看一下下面的这个代码片段： )

# a.shape = (3,4)
# b.shape = (4,1)
for i in range(3):
for j in range(4):
c[i][j] = a[i][j] + b[j]

How do you vectorize this?(请问要怎么把它们向量化？ )

Answer:

c = a + b.T

【注】注意此处需要看懂题目中代码的含义，再配合转置即可回答问题。

9 . Consider the following code:(看一下下面的代码： )

a = np.random.randn(3, 3)
b = np.random.randn(3, 1)
c = a * b

What will be c?(请问 c 的维度会是多少？ )

Answer:
c.shape = (3, 3)

This will invoke broadcasting, so b is copied three times to become (3,3), and * is an elementwise product so c.shape = (3, 3).(这将会使用广播机制， b 会被复制三次，就会变成(3,3)，再使用元素乘法。所以： c.shape = (3, 3).)

【注】总结 5、7、9 题，可以看出，ab 和 dot(a,b) 的计算方式是不一样的，ab 要求 a 和 b 的矩阵维度至少有一个是一样的，或者其中一个矩阵的维度为1才能利用广播机制正确返回元素相乘结果；而 dot(a,b) 对两个矩阵的维度的要求是符合矩阵相乘的要求就行，即为前面的矩阵的列数和后面矩阵的行数一样即可。