python - 这两行代码有什么区别？机器学习阵列

Question

所以我开始学习 ML，并且需要用 Python 进行编码。我遵循反向传播教程。因此，在其中，我遇到了将算法转变为支持矩阵乘法的问题，以便它运行得更快。以下代码来自更新偏差和权重的函数。我需要更改它，这样我就可以运行整个输入和输出矩阵，而不是一次运行每个输入输出对。小批量是一个包含 10 个元素的列表。列表中的每个元素都是两个元组，一个元组是输入，一个 784x1 大小的矩阵。另一个元组是输出，一个 10x1 大小的矩阵。我尝试将输入分组为 784x10x1 数组，然后将其转换为 784x10 数组。我通过两种方式做到了这一点，如以下代码所示:

# for clearance - batch[0] is the first tuple in the element in mini_batch, which is, as recalled, the input array.
# mini_batch[0][0] is the input array of the first element in mini_batch, which is a 784x1 array as I mentioned earlier 
inputs3 = np.array([batch[0] for batch in mini_batch]).reshape(len(mini_batch[0][0]), len(mini_batch))
inputs2 = np.array([batch[0].ravel() for batch in mini_batch]).transpose()

inputs3 和 inputs2 都是 784x10 数组，但由于某种原因，它们不相等。我不明白为什么，所以如果有人能向我解释为什么会有差异，我将非常感激。

Answer 1

>>> A = np.array([[1,2,3],[4,5,6]])
>>> A.reshape(3,2)
array([[1, 2],
       [3, 4],
       [5, 6]])
>>> A.transpose()
array([[1, 4],
       [2, 5],
       [3, 6]])

从这个简短的示例中您可以看到 A.transpose() != A.reshape(3,2)。

想象一个尺寸为 3x2 的空白矩阵。 A.reshape(3,2) 将从顶行开始从左到右读取 A(2x3 矩阵)中的值并将它们存储在空白矩阵中。使这些矩阵具有不同的值。