2.15 Python 中的广播-深度学习-Stanford吴恩达教授

最新推荐文章于 2023-04-27 08:45:49 发布

ygl_9913

最新推荐文章于 2023-04-27 08:45:49 发布

阅读量375

点赞数

分类专栏： # 第一课《神经网络和深度学习》-吴恩达老师笔记文章标签： python numpy 开发语言

本文链接：https://blog.csdn.net/ygl_9913/article/details/128969632

版权

第一课《神经网络和深度学习》-吴恩达老师笔记专栏收录该内容

24 篇文章 7 订阅

订阅专栏

Python 中的广播 (Broadcasting in Python)

在这里插入图片描述

这是一个不同食物(每100g)中不同营养成分的卡路里含量表格，表格为3行4列，列表示不同的食物种类，从左至右依次为苹果，牛肉，鸡蛋，土豆。行表示不同的营养成分，从上到下依次为碳水化合物，蛋白质，脂肪。

那么，我们现在想要计算不同食物中不同营养成分中的卡路里百分比。

现在计算100g苹果中的碳水化合物卡路里百分比含量，首先计算苹果（100g）中三种营养成分卡路里总和56+1.2+1.8 = 59，然后用56/59 = 94.9%算出结果。

可以看出苹果中的卡路里大部分来自于碳水化合物，而牛肉则不同。

对于其他食物，计算方法类似。首先，按列求和，计算每种食物中（100g）三种营养成分总和，然后分别用不用营养成分的卡路里数量除以总和，计算百分比。

那么，能否不使用for循环完成这样的一个计算过程呢？

假设上图的表格是一个4行3列的矩阵 $A$ ，记为 $A_{3x4}$ ，接下来我们要使用Python的numpy库完成这样的计算。我们打算使用两行代码完成，第一行代码对每一列进行求和，第二行代码分别计算每种食物每种营养成分的百分比。

在jupyter notebook中输入如下代码，按shift+Enter运行，输出如下。

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)

# axis=0是沿垂直方向求和
cal = A.sum(axis = 0)
print(cal)

# 计算百分比
# 用矩阵A除以这个1乘4 的矩阵，得到百分比矩阵
percentage = 100*A/cal.reshape(1,4)
print(percentage)

下面再来解释一下A.sum(axis = 0)中的参数axis。axis用来指明将要进行的运算是沿着哪个轴执行，在numpy中，0轴是垂直的，也就是列，而1轴是水平的，也就是行。

而第二个A/cal.reshape(1,4)指令则调用了numpy中的广播机制。这里使用3x4的矩阵 $A$ 除以1x4的矩阵 $cal$ 。严格说，在第一行代码执行后， $cal$ 已经是一个1x4的矩阵。所以其实并不需要再将矩阵 $cal$ reshape(重塑)成1x4 。但是当我们写代码时不确定矩阵维度的时候，通常会对矩阵进行reshape重塑来确保得到我们想要的列向量或行向量。重塑操作reshape是一个常量时间的操作，时间复杂度是 $O(1)$ ，它的调用代价极低，所以不要怕调用reshape来确保矩阵是你想要的尺寸。