卜若的代码笔记-Deeplerning-第一章:一些重要的约定(必须要看哟!)

1 矩阵的常用知识

1.1 定义矩阵[3,3]为一个3x3的矩阵,比如这种:

1.2 定义矩阵的乘法

1.2.1

[5,3]*[3,1] = [5,1]中间 的直接被约掉了

1.2.2

[1,10]*0.5 = [1,10]:

 

 1.2.3

 [1,10]^2

 

1.3 定义矩阵的减法

[1,10] - [1,10] = [1,10];

1.4 定义矩阵的加法

行加法:

[25,40] + [1,40] = 每一行都加上[1,40]

 [25,40] + [25,1] = 每一列都加上[1,40]

[[ 1.   ]
 [ 2.625]
 [ 4.25 ]
 [ 5.875]
 [ 7.5  ]
 [ 9.125]
 [10.75 ]
 [12.375]
 [14.   ]
 [15.625]
 [17.25 ]
 [18.875]
 [20.5  ]
 [22.125]
 [23.75 ]
 [25.375]
 [27.   ]
 [28.625]
 [30.25 ]
 [31.875]
 [33.5  ]
 [35.125]
 [36.75 ]
 [38.375]
 [40.   ]]
-----------------------------------------------------------
[ 1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11. 12. 13. 14. 15. 16. 17. 18.
 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31. 32. 33. 34. 35. 36.
 37. 38. 39. 40.]
----------------------------------------------------------
[ 2.  3.  4.  5.  6.  7.  8.  9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19.
 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31. 32. 33. 34. 35. 36. 37.
 38. 39. 40. 41.]
----------------------------------------------------------
[41. 42. 43. 44. 45. 46. 47. 48. 49. 50. 51. 52. 53. 54. 55. 56. 57. 58.
 59. 60. 61. 62. 63. 64. 65. 66. 67. 68. 69. 70. 71. 72. 73. 74. 75. 76.
 77. 78. 79. 80.]
----------------------------------------------------------
[43.625 44.625 45.625 46.625 47.625 48.625 49.625 50.625 51.625 52.625
 53.625 54.625 55.625 56.625 57.625 58.625 59.625 60.625 61.625 62.625
 63.625 64.625 65.625 66.625 67.625 68.625 69.625 70.625 71.625 72.625
 73.625 74.625 75.625 76.625 77.625 78.625 79.625 80.625 81.625 82.625]

1.5 高维矩阵的加法


import numpy as np

originData = np.linspace(1,784*32,784*32)
originData = originData.reshape([1,28,28,32])

bias = np.linspace(1,32,32)
bias = bias.reshape([1,32])

c0 = originData[0][0][0]
c1 = originData[0][0][1]
d0 = (originData+bias)[0][0][0]
d1 = (originData+bias)[0][0][1]
print(c0.shape)
print(c0)
print("............................................")
print(d0)

 

2 常用函数

2.1 SoftMax函数

备注:常用于分类的情况

import numpy as np
import tensorflow as tf


c = np.linspace(1,3,3)
c = c.reshape([1,3])

with tf.Session() as sess:

    answer =  sess.run( tf.nn.softmax(c))
    print(answer)

    pass

Answer:
[[0.09003057 0.24472847 0.66524096]]

 

2.2 均值函数 ReduceMean() 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值