python - 更新列表中的 Python for 循环是如何工作的？

Question

在 Michael Nielsen 的神经网络教程中，他有以下代码:

def update_mini_batch(self, mini_batch, eta):
    """The ``mini_batch`` is a list of tuples ``(x, y)``, and ``eta``
    is the learning rate."""
    nabla_b = [np.zeros(b.shape) for b in self.biases]
    nabla_w = [np.zeros(w.shape) for w in self.weights]
    for x, y in mini_batch:
        delta_nabla_b, delta_nabla_w = self.backprop(x, y)
        nabla_b = [nb+dnb for nb, dnb in zip(nabla_b, delta_nabla_b)]
        nabla_w = [nw+dnw for nw, dnw in zip(nabla_w, delta_nabla_w)]
    self.weights = [w-(eta/len(mini_batch))*nw
                    for w, nw in zip(self.weights, nabla_w)]
    self.biases = [b-(eta/len(mini_batch))*nb
                   for b, nb in zip(self.biases, nabla_b)]

我了解元组和列表是什么，也了解 zip 函数在做什么，但我不明白变量 nb、dnb、nw 和 dnw 如何在这两行代码上更新:

        nabla_b = [nb+dnb for nb, dnb in zip(nabla_b, delta_nabla_b)]
        nabla_w = [nw+dnw for nw, dnw in zip(nabla_w, delta_nabla_w)]

谁能帮忙解释一下这两行中发生的魔法吗？

Answer 1

这两行是Python的典型例子list comprehensions .

本质上，对于您的第一个列表:

nabla_b = [nb+dnb for nb, dnb in zip(nabla_b, delta_nabla_b)]

这意味着:

1. 从zip(nabla_b, delta_nabla_b)中获取第一对；将它们命名为 nb 和 dnb
2. 添加它们 (nb+dnb)
3. 将结果作为新列表的第一个元素 nabla_b
4. 转到第二对的第一步，依此类推，将结果附加到 nabla_b，直到 zip(nabla_b, delta_nabla_b) 中的所有对都已用尽

作为一个简单的例子，下面的列表理解:

squares = [x**2 for x in range(10)]
print(squares)
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

相当于下面的for循环:

squares = []

for x in range(10):
    squares.append(x**2)

print(squares)
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

参见here了解更多示例和快速介绍。