# 多维数组运算
# 使用NumPy进行多维数组运算 可以利用这工具进行实现神经网络的实现
import numpy as np
# 一维数组
A = np.array([1, 2, 3, 4])
print(A)
print(np.ndim(A)) # 打印数组维数
print(A.shape) # 打印数组形状
print(A.shape[0]) # 获取数组形状的第一个索引元素
# 二维数组 eq === 》 matrix 横向是row 纵向是column
B = np.array([[1, 2], [3, 4], [5, 6]])
print(B)
print(np.ndim(B))
print(B.shape)
# 矩阵乘法
C = np.array([[1, 2],
[3, 4]])
print(C.shape)
D = np.array([[5, 6],
[7, 8]])
print(D.shape)
# 矩阵的形状shape,矩阵A的第一维的元素个数(列数)必须和矩阵B的第0维的元素个数(行数)相等
# 矩阵乘法 [[(1 * 5 + 2 * 7) = 19,(1 * 6 + 2 * 8) = 22],
# [(3 * 5 + 3 * 6) = 43,(3 * 6 + 4 * 8) = 50]]
print(np.dot(C, D)) # 矩阵顺序不同,结果不同
E = np.array([[1, 2], [3, 4], [5, 6]])
print(E.shape)
F = np.array([7, 8])
print(F.shape)
print(np.dot(E, F))
# 神经网络的内积
# 使用 NumPy 矩阵运算实现
W = np.array([1, 2])
print(W.shape)
H = np.array([[1, 3, 5], [2, 4, 6]])
print(H.shape)
print(H)
Y = np.dot(W, H) # 多维数组的点积 一次计算出结果 比for便捷的更多,在实现层面更加方便的技巧
print(Y)
来源《深度学习入门——基于python的理论和实践》