深度学习笔记二——Python中的broadcasting

##########梯度下降法向量化实现的尝试
import numpy as np
m = 7
dz = np.array([1,2,23,45,6,78,9])
db = np.sum(dz)/m
print(db)
输出结果：
23.428571428571427

########2.15 Broadcasting in Python
#卡路里计算
import numpy as np
A = np.array([[56.0,0.0,4.4,68.0],
              [1.2,104.0,52.0,8.0],
              [1.8,135.0,99.0,0.9]])
print(A)#A是一个3*4矩阵
输出结果：
[[ 56.    0.    4.4  68. ]
 [  1.2 104.   52.    8. ]
 [  1.8 135.   99.    0.9]]
 
cal= A.sum(axis=0)#计算每列的和，axis=0表示竖直相加，axis=1表示水平相加
print(cal)
输出：
[ 59.  239.  155.4  76.9]

percentage = 100*A/cal.reshape(1,4)#用A除以一个1*4矩阵
#上节运行结果已经说明cal是一个1*4矩阵，技术上reshape可不用，但不确定矩阵尺寸时，用reshape可得到自己想要的形式
#此处用一个3*4矩阵除一个1*4矩阵用的就是Python中的broadcasting，它将1*4矩阵竖直复制了3次，成为一个3*4矩阵
print(percentage)
输出：
[[94.91525424  0.          2.83140283 88.42652796]
 [ 2.03389831 43.51464435 33.46203346 10.40312094]
 [ 3.05084746 56.48535565 63.70656371  1.17035111]]