常用!基础!吴恩达deeplearning.ai:Tensorflow中数据形式

由于一些历史遗留问题,Numpy和Tensorflow在数据处理方面存在一些不一致的地方,今天我们主要来了解一下其中一些约定俗成的形式,从而能够让你写出正确的代码(耍帅)。

文章目录


Tensorflow是如何表示数据的

特征向量

和上一节博客中的例子一样(详细链接在这里),我们先看看咖啡:

这个例子之中,特征向量有两个,分别是温度(摄氏度),烘焙时间(分钟),那么x的写法如下:

python 复制代码
x = np.array([[200.0, 17.0]])

看到这里你是否会有疑问,为什么这里有两个方括号嘞?是不是多此一举嘞?俺第一次看到这里也有同样的疑问。

关于Numpy矩阵

让我们再举出两个例子:

假设我们要创建一个两行三列的矩阵,它的内容为[[1,2,3], [4,5,6]],线性代数中一般称之为2*3矩阵,那么它的创建方式为:

python 复制代码
x = np.array([[1, 2, 3],
              [4, 5, 6]])

假设我们要创建一个四行两列的矩阵,它的内容为 0.1,0.2,-3,-4,-0.5,-0.6,7.0,8.0,同样的,这种矩阵被称为4*2矩阵,那么代码为:

python 复制代码
x = np.array([[0.1, 0.2],
              [-3, -4]
              [-0.5,-0.6]
              [7.0, 8.0])

当行数列数多了你会更容易明白,外面一层括号的作用是将里面矩阵的每一行组合到一起。

反过来说,如果你写的代码是这样的:

python 复制代码
x = np.array([200, 17])

那么它并不是一个矩阵,这仅仅是一个数字列表。

因此,在普通的线性回归与逻辑回归之中,我们使用x = np.array([200, 17])这种单层中括号 形式来表示,而由于Tensorflow之类的常常用于数据量很大的计算,因此需要用矩阵来进行,通常是双层中括号的表示形式。

激活向量

在上一节的代码示例中(详细链接在这里)第一层的代码:

python 复制代码
x = np.array([[200.0, 17.0]])
layer_1 = Dense(units=3, activation='sigmoid')
a_1 = layer_1(x)

你是否有疑惑其中a1的形式呢,如果你看过我上之前的一篇博客,那么应该会更容易理解,a1作为一个激活值,又假设units=3,因此a1是一个3*1的矩阵(例如([[1,2,3]])),如果你print(a1)的话,会得到:

python 复制代码
tf.Tensor([[1, 2, 3]], shape=(1, 3), dtype=float32)

Tensor(翻译成中文是张量 的意思)是Tensorflow团队创建的一种数据类型,专门用于矩阵计算。其中获得了三个数据,第一个当然是矩阵中数据的内容,第二个是矩阵的大小为1*3,一行三列,第三行是指矩阵中数据的类型为浮点型。

从技术上讲,张量比矩阵更加通用一点,但是在该课程中可以把张量理解为矩阵的一种。

当然,我们也有Numpy表示矩阵的方式:

python 复制代码
a1.numpy()
输出:array([[1, 2, 3]], dtype=float32)

这个含义和上面是差不多的,就不过多解释了。

如果你获得了一个张量形式的矩阵,而想把它转换为Numpy形式的话,仍然运行:

python 复制代码
a1.numpy()

它可以提取Tensor中的数据并且以numpy的形式返回。

第二层的代码是这样的:

python 复制代码
layer_2 = Dense(units=1, activation='sigmoid')
a_2 = layer_2(a_1)

所以其中的a2是什么样的?a2应该是一个类似于0.8之类的浮点数,但准确的说应该是一个1*1的矩阵,即一行一列。如果你打印a2的话会得到:

python 复制代码
tf.Tensor([[0.8]], shape=(1, 1), dtype=float32)

和我刚刚的解释一致。

当然你也可以查看它的Numpy形式:

python 复制代码
a2.numpy()
输出:array([[0.8]], dtype=float32)

在学习完本篇博客后,希望你可以了解数据在Numpy和Tensorflow中的区别,以及了解它们的转换方式和使用场景,从而更便于你进行深度学习的网络搭建。

为了给读者你造成不必要的麻烦,博主的所有视频都未开启仅粉丝可见,如果想要阅读我的其他博客,可以点个小小的关注哦╰(°▽°)╯

相关推荐
昨日之日20061 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_1 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover1 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
热爱跑步的恒川2 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程
API快乐传递者2 小时前
淘宝反爬虫机制的主要手段有哪些?
爬虫·python
阡之尘埃4 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
孙同学要努力6 小时前
全连接神经网络案例——手写数字识别
人工智能·深度学习·神经网络
Eric.Lee20216 小时前
yolo v5 开源项目
人工智能·yolo·目标检测·计算机视觉
其实吧37 小时前
基于Matlab的图像融合研究设计
人工智能·计算机视觉·matlab
丕羽7 小时前
【Pytorch】基本语法
人工智能·pytorch·python