numpy函数使用（floor，seed，permutaion，reshape（参数-1））

numpy.floor()函数

np.floor()返回不大于输入参数的最大整数。（向下取整）

In [7]: n = np.random.randn(5) + 3

In [8]: n
Out[8]: array([ 3.09855111,  2.25077728,  2.24930416,  2.90145913,  3.57786296])

In [9]: np.floor(n)
Out[9]: array([ 3.,  2.,  2.,  2.,  3.])

numpy.random.seed()函数

设定了seed()，代表随机状态被初始化了。所以运行seed()方法后，再次运行随机数生成器，会得到相同的随机数。
注意只会生效一次，所以要实现随机数再次相同，需要在前面再次运行seed()方法。

In [56]: np.random.seed(0)

In [57]: np.random.rand(4)
Out[57]: array([ 0.5488135 ,  0.71518937,  0.60276338,  0.54488318])

In [58]: np.random.seed(0)

In [59]: np.random.rand(4)
Out[59]: array([ 0.5488135 ,  0.71518937,  0.60276338,  0.54488318])

numpy.random.permutation()函数

随机置换一个序列，并返回。
permutaion(x)，当x是整数的时候，随机置换"np.arange(x)"；当x是一个数列的时候，返回随机交换后的序列。
所以该函数可以用于产生随机交换的索引，从而打乱一个序列。

In [66]: np.random.permutation(6)
Out[66]: array([2, 3, 0, 4, 5, 1])

In [67]: x=np.random.randn(5)

In [68]: x
Out[68]: array([-1.27814912,  1.43737068, -0.07770457,  1.08963016,  0.09654267])

In [69]: np.random.permutation(x)
Out[69]: array([ 0.09654267,  1.43737068, -1.27814912, -0.07770457,  1.08963016])

mini-batch 使用

把一个大的训练集合划分为若干个小的训练集。
用到的参数：m：训练集大小；mini_batch_size：mini-batch的大小；ncm = np.floor(m/mini_batch_size)
划分方案：

使用循环实现如下的划分：
0*mini_batch_size：1*mini_batch_size
1*mini_batch_size：2*mini_batch_size
…
(ncm-1)*mini_batch_size：ncm*mini_batch_size
最后再加上剩余的：
ncm*mini_batch_size:m

numpy.reshape()函数

不改变数组的值，返回一个新形状的数组。函数参数reshape(a,newshape,order=‘C’)；a是该数组。
newshape是整数或者由整数构成的元组。
注意：参数是-1时。reshpae函数会根据另一个参数的维度以及数组大小，计算出这个shape的维度属性。

In [70]: x=np.arange(12).reshape(3,4)

In [71]: x
Out[71]:
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

In [72]: np.arange(12).reshape(-1,4)
Out[72]:
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])