标量是零维张量:
张量的三个关键量:
强调形状,仔细看。
查看张量的轴的个数,形状,数据类型。
import numpy as np
x = np.array([[1, 2], [3, 4]])
print(x)
先分析,2个轴,2层括号,二维的。shape(2,2)
换个例子:
import numpy as np
x = np.array([[1, 2, 2], [3, 4, 2]])
print(x.dtype)
print(x.ndim)
print(x.shape)
显示图片:
张量切片:
切片是的负数表示到终点的距离:
批量:
广播:
矩阵转置函数:
梯度下降
采取批量的原因:
从代码上可以看到,每一个batch进行一次w和b参数的更新,那么,每一个batch中的数据彼此在做什么?为什么每一次喂的越多越准确呢?很easy!
优化器&&动量: