資訊專欄INFORMATION COLUMN
摘要：機(jī)器學(xué)習(xí)中的矩陣公約水平方向?yàn)榫仃嚨男?，豎直方向?yàn)榫仃嚨牧校恳恍袨橐粋€樣例記錄。因此輸入表示由個樣例記錄，每個樣例具有個維度屬性組成的矩陣。如果為一個神經(jīng)網(wǎng)絡(luò)的輸入，那么權(quán)重矩陣的表示形式為的矩陣。
機(jī)器學(xué)習(xí)中的矩陣公約
水平方向?yàn)榫仃嚨男?，豎直方向?yàn)榫仃嚨牧?，每一行為一個樣例（記錄）。 因此輸入[10, 5]表示：由10個樣例（記錄），每個樣例具有5個維度（屬性）組成的矩陣。如果[10,5]為一個神經(jīng)網(wǎng)絡(luò)的輸入，那么權(quán)重矩陣的表示形式為[5, #hid]的矩陣。
考慮一下數(shù)組：
import numpy as np np.asarray([[1., 2], [3, 4], [5, 6]]) np.asarray([[1., 2], [3, 4], [5, 6]]).shape # 這是一個3*2的矩陣，即有3行2列 # 輸出矩陣的第3行，第1列元素 np.asarray([[1., 2], [3, 4], [5, 6]])[2, 0]廣播(broadcasting)
Numpy 在對不同形狀的數(shù)組進(jìn)行數(shù)學(xué)運(yùn)算時進(jìn)行廣播。通俗的意思就是：較小的數(shù)組或標(biāo)量將會被廣播（擴(kuò)展）形成一個較大尺寸的數(shù)組，得到相匹配的形狀。
例如：
import numpy as np a = np.asarray([1.0, 2.0, 3.0]) b = 2.0 a * b # array([2., 4., 6.]) # 較小尺寸的b在a*b運(yùn)算期間，被擴(kuò)展為和a同樣尺寸的數(shù)組array([2., 2., 2.]) # 這樣極大地簡化了b的書寫，用標(biāo)量2.0代替array([2.0, 2.0, 2.0])。
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://www.ezyhdfw.cn/yun/38636.html
摘要：復(fù)發(fā)的一種常用形式，可以用于循環(huán)和是的特例可以根據(jù)一些輸出序列一個函數(shù)，每一步都會生成一個輸出可以查看之前步的輸出給定一個初始狀態(tài)可以通過函數(shù)計算一個列表的和通常一個循環(huán)可以用操作符進(jìn)行實(shí)現(xiàn)使用的優(yōu)點(diǎn)迭代次數(shù)為符號圖的一部分最大限度地減少傳 Scan 復(fù)發(fā)(Recurrence)的一種常用形式，可以用于循環(huán)(looping) Reduction和map是scan的特例 可以根據(jù)一些輸...
摘要：本篇博文主要是根據(jù)的那篇文章簡單介紹下，然后通過個簡單的實(shí)驗(yàn)來說明實(shí)際編程中該怎樣應(yīng)用。當(dāng)然作者也從數(shù)學(xué)上給出了一定的解釋。自頂向下的生成模型觀點(diǎn)的解釋。信息論觀點(diǎn)的解釋。 前言： 當(dāng)采用無監(jiān)督的方法分層預(yù)訓(xùn)練深度網(wǎng)絡(luò)的權(quán)值時，為了學(xué)習(xí)到較魯棒的特征，可以在網(wǎng)絡(luò)的可視層（即數(shù)據(jù)的輸入層）引入隨機(jī)噪聲，這種方法稱為Denoise Autoencoder(簡稱dAE)，由Bengio在08年...
摘要：廣播廣播是這樣的一個機(jī)制它允許不同維度的張量進(jìn)行加法或者乘法運(yùn)算。如上圖，廣播一個行矩陣。和分別表示和指明沿著哪個維度可以進(jìn)行廣播。如果第二個參數(shù)是向量，它的形狀為，以及它的廣播模式為。當(dāng)可用的時候，廣播信息將會以變量的類型給出。 廣播（Broadcasting) 廣播是這樣的一個機(jī)制：它允許不同維度的張量進(jìn)行加法或者乘法運(yùn)算。在運(yùn)算時，他將會沿著維度缺失的方向復(fù)制較小的那個張量。 通...
閱讀 1665·2023-04-26 03:04
閱讀 2585·2019-08-30 15:44
閱讀 3797·2019-08-30 14:15
閱讀 3647·2019-08-27 10:56
閱讀 2981·2019-08-26 13:53
閱讀 2675·2019-08-26 13:26
閱讀 3134·2019-08-26 12:11
閱讀 3688·2019-08-23 18:21
