Numpy-Deep Learning, Training Beispiele

Question

Silly Frage, ich gehe durch die dritte Woche von Andrew Ng neueste Deep Learning-Kurs, und stecken in einer ziemlich einfachen Numpy-Funktion (ich denke?).

Die Übung ist zu finden, wie viele Trainingsbeispiele, m, wir haben.

Irgendeine Idee, was die Numpy-Funktion ist, um über die Größe eines vorgeladenen Trainingsbeispiels herauszufinden.

Danke!

shape_X = X.shape 
shape_Y = Y.shape 
m = ? 


print ('The shape of X is: ' + str(shape_X)) 
print ('The shape of Y is: ' + str(shape_Y)) 
print ('I have m = %d training examples!' % (m)) 

Answer 1

Es hängt ab, welche Art von Speicher-Ansatz, den Sie verwenden. Die meisten Python-basierten Werkzeuge verwenden den Ansatz [n_samples, n_features], wobei die erste Dimension die Beispieldimension ist, die zweite Dimension die Featuredimension (wie in scikit-learn und co). Alternativ ausgedrückt: Stichproben sind Zeilen und Merkmale sind Spalten.

So:

#  feature 1 2 3 4 
x = np.array([[1,2,3,4], # first sample 
       [2,3,4,5], # second sample 
       [3,4,5,6] 
      ]) 

ist ein Trainingssatz von 3 Proben mit jeweils 4 verfügt.

Die Größen M, N (wieder: Auslegung für andere könnte anders sein) Sie bekommen können:

M, N = x.shape 

weil numpy die sind erste Dimension Zeilen, die zweite Dimension numpy die sind like in matrix-algebra Spalten. Für das obige Beispiel hat das Ziel-Array die Form (M) = n_samples.