L1神经网络与深度学习-2.11&2.12向量化
·
注：仅为自己学习用，是观看课程的心得体会
2.11 主要内容：矩阵乘法可以用numpy向量化实现
w,x 都是 n_x 维向量，如果要计算两者的乘积......
非向量化的实现：
for i in range(n_x)
z+=w[i]*x[i] #通过循环，对向量中的每一个值进行计算
z+=b
向量化(numpy)的实现：
z=np.dot(w,x)+b
不过个人认为这个w应该是转置后的
老师的案例都是在jupyternotebook上实现的，即CPU上
CPU和GPU都有并行化指令（有时候叫做SIMD，单指令多数据流single instruction multiple data）
Python 的numpy能够充分利用并行化去更快计算，而for循环不行
2.12 主要内容：numpy可以实现
矩阵乘法，左边是for循环实现，右边是使用np内置函数
np内置了对矩阵求指数/对数/最大值/绝对值等，对矩阵的运算尽量都用向量化的方法
更多推荐
13
0- 0
已为社区贡献4条内容
所有评论(0)