numpy 의 배열 전환 에 대한 설명 및 벡터 내 적 계산 방법
행렬 의 전환 이 어떤 역할 을 하 는 지 모 르 겠 습 니 다.오늘 행렬 의 전환 작업 을 정리 한 후에 먼저 인터넷 에 가서 관련 지식 을 보충 하 겠 습 니 다.
오늘 의 코드 조작 은 다음 과 같다.
In [15]: arr1 = np.arange(20)
In [16]: arr1
Out[16]:
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
17, 18, 19])
In [17]: arr2 = arr1.reshape((4,5))
In [18]: arr2
Out[18]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
In [19]: arr3 = arr2.T
In [20]: arr3
Out[20]:
array([[ 0, 5, 10, 15],
[ 1, 6, 11, 16],
[ 2, 7, 12, 17],
[ 3, 8, 13, 18],
[ 4, 9, 14, 19]])
In [21]: np.dot(arr3,arr2)
Out[21]:
array([[350, 380, 410, 440, 470],
[380, 414, 448, 482, 516],
[410, 448, 486, 524, 562],
[440, 482, 524, 566, 608],
[470, 516, 562, 608, 654]])
Reshape 의 방법 은 배열 의 차원 을 바 꾸 는 것 이 고 T 의 속성 은 행렬 의 전 치 를 실현 하 는 것 이다.계산 결 과 를 보면 행렬 의 전 치 는 실제 적 으로 행렬 의 대 축 전환 을 실현 한 것 이다.행렬 전환 에 자주 사용 되 는 곳 은 행렬 의 내 적 을 계산 하 는 데 적용 된다.그리고 이 산수 연산 의 의미 에 대해 저도 명확 하지 않 습 니 다.이것 도 오늘 보충 수업 의 내용 이 라 고 할 수 있 습 니 다!앞의 두 개의 보충 수업 에 대하 여 한 무더기 의 자 료 를 보 았 지만 확실히 이해 하기 어렵다.하지만 항상 기억 공식 은 내 가 원 하 는 결과 가 아니 라 앞으로 도 끊임없이 이해 해 야 한다.그러나 내 적 에 대해 서 는 기하학 적 해석 이 나 왔 고 맞 는 지 모르겠다.고 차원 공간의 벡터 에서 저 차원 자 공간의 투영 까지 오랫동안 생각 했 지만 여전히 이해 하지 못 했다.보아하니 선형 대 수 는 머리 를 숙 이 고 잘 이해 해 야 할 것 같다.
이상 의 이 numpy 에서 배열 전환 에 대한 설명 과 벡터 내 적 계산 방법 은 바로 소 편 이 여러분 에 게 공유 하 는 모든 내용 입 니 다.여러분 께 참고 가 되 고 여러분 들 이 저 희 를 많이 응원 해 주 셨 으 면 좋 겠 습 니 다.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
chainer의 connection을 괴롭히고 새로운 층을 만든다 (1)GPU GTX1070 우분투 14.04 chainer 1.14.0 chainer에서 최신 모델을 구현할 때는 links/connection이나 functions/connection을 괴롭힐 필요가 있다. 그래서 가장...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.