吴恩达2022机器学习专项课程(一) 5.2 向量化(1)& 5.3 向量化(2)

问题预览/关键词

  1. 什么是向量化?
  2. 向量化的好处是?
  3. 如何向量化多元线性回归函数的参数?
  4. 如何在Python中向量化参数?
  5. 计算机底层是如何计算向量化的?
  6. 向量化示例

笔记

1.向量化

一种在数学和计算中广泛使用的概念,它指的是以向量的形式处理数据,而不是单个元素。

2.好处

减少代码量,简化格式,显著提高数据处理的效率。

3.向量化参数

  • 原有格式
  • 三个参数w的向量化,用w加上面一个箭头来表示。
  • 三个输入特征x的向量化。
  • 参数b是标量(一个元素)
  • 最终格式

4.Python代码向量化参数

  • 使用Numpy数组存储w和b。
  • 未向量化代码,取数据元素一个一个相乘(灰色部分)。
  • 未向量化代码,for循环,相比一个一个计算好一些,但是效率依旧不高。
  • 向量化,使用NumPy库的dot函数,一行代码就实现。

5.底层计算向量化

向量化会让计算机调用专门的硬件,并行处理显著提高效率,同时计算多个操作。

6.向量化示例

  • w和d分别有16个元素,需要计算每个w元素减去对应的d元素和0.1乘积,然后更新对应的w。
  • 未向量化,for循环。
  • 向量化,w和d都是Numpy数组,计算过程会逐个元素计算,一行代码搞定。

总结

向量化既可以减少代码量,增加代码的可读性和维护性,同时底层会调用GPU计算,提高代码运行速度和效率。在Python中,我们会经常使用Numpy库的方法,例如np.array,np.dot,避免显式的循环,直接对数组进行数学和逻辑操作,来达到向量化的效果。

相关推荐
飞哥数智坊4 分钟前
从零构建自己的MCP Server
人工智能
是Dream呀6 分钟前
ResNeXt: 通过聚合残差变换增强深度神经网络
人工智能·算法
项目申报小狂人17 分钟前
CUDA详细安装及环境配置——环境配置指南 – CUDA+cuDNN+PyTorch 安装
人工智能·pytorch·python
林泽毅17 分钟前
SwanLab Slack通知插件:让AI训练状态同步更及时
深度学习·机器学习·强化学习
suke31 分钟前
一文秒懂AI核心:Agent、RAG、Function Call与MCP全解析
人工智能·程序员
oil欧哟35 分钟前
😎 MCP 从开发到发布全流程介绍,看完不踩坑!
人工智能·typescript·node.js
Code_流苏1 小时前
AI知识补全(十四):零样本学习与少样本学习是什么?
人工智能·元学习·少样本学习·零样本学习·语义嵌入
Yvette-W1 小时前
ChatGPT 迎来 4o模型:更强大的图像生成能力与潜在风险
人工智能·chatgpt
Shockang1 小时前
机器学习的一百个概念(5)数据增强
人工智能·机器学习