저는 컴퓨터 과학 교과서에서 몇 가지 개념을 연구 중입니다. 선형 대수학은 많이 사용되며, 교과서에 나오는 예제는 모두 Numpy를 사용합니다.Numpy : 1의 벡터로 곱하기
특히 하나의 표현은 완전히 쓸모없는 표현 인 것처럼 보이기 때문에 완전히 혼란 스럽습니다. 교과서에서 그대로 복사, 그것은 말한다 : 그래서
normalisers = sum(exp(outputs),axis=1)*ones((1,shape(outputs)[0]))
, 나는 우리에게 제공, (이 여기에 문제와 관련된 아니다) 간략화를 위해 exp
을 제거 할 수 있습니다 :
sum(outputs,axis=1)*ones((1,shape(outputs)[0]))
을
여기에서 outputs
은 2 차원 Numpy array
(매트릭스)이다.
내가 알 수있는 한, 이것은 outputs
행렬의 모든 행을 합계 한 다음 결과 벡터를 요소별로 1의 벡터로 곱하는 것입니다. 그래서 ... 여기에 모든 것을 곱하는 것이 무엇입니까? 값을 전혀 변경하지 않을 것입니다.
교과서에 오류가 있습니까? 아니면 모든 물체를 곱하면 여기 값에 어떤 영향을 줄 수 있습니까? 나는이 시점에서 다소 Numpy에 익숙하기 때문에이 표현의 함축적 의미를 오해하고 있는지 확실하지 않습니다. mutzmatron는 주석의 글 outputs
배열 때
결과가 (희미한) 벡터에서 (1, 희미한) 행렬로 변경됩니까? 비록 내가 그것을 할 것 인 방식으로 인정하지 않지만! – jmetz
매트릭스가 (n,) 또는 (1, n) 크기이든간에 나중에 차이를 만들 수 있다고 생각합니다 ... – jmetz