吴恩达深度学习 —— 2.16 关于python/numpy向量的说明

python numpy程序语言提供了很高的灵活性，但同时也会产生一些问题。

例如在python中创建代码a=np.random.randn(5)，这段代码生成5个随机高斯变量，存储在数组a中。这个数组的形状是(5,)结构，这是所谓的python秩为1的数组，它既不是行向量也不是列向量。

这种结构的转置和其本身是一样的，将这个结构的本身和其转置相乘得到的是一个数，而不是一个矩阵。当你编写神经网络的时候，不要用这种数据结构，这种数据结构形状是(5,)或者(n,)，其中秩为1的数组。

可以将上述数据结构转换为矩阵，例如将初始化代码a=np.random.randn(5)改写为a=np.random.randn(5,1)，这样可以将a变成一个$5\ast 1$的列向量，之前a和a的转置看起来是一样的，但在新的代码中，a的转置使得a从一个列向量变为一个行向量。

代码a=np.random.randn(5)创建了一个秩为1的数组，该数据结构的a.shape为(5,)。

在进行编程练习时或者实现神经网络的逻辑回归时，不用这些秩为1的数组。相反，每次创建数组时，把它定义成列向量，或者定义为一个行向量，代码表示为a=np.random.randn(5,1)或者为a=np.random.randn(1,5)。

在编程中不知道一个向量具体的维度是多少时，可以用声明assert()来确保这是一个向量，例如assert(a.shape==(5,1))，这是一个行向量。这些assert()执行起来很快，它们也可以看成是代码的文档。

如果由于某些原因得到一个秩为1的数组，可以使用reshape将秩为1的数组转换成一个矩阵，变成一个行向量或者列向量。