Numpy中的一点小知识

train_set_x_orig, train_set_y, test_set_x_orig, test_set_y, classes = load_dataset()
train_set_x_orig -- 一组图片

plt.imshow(train_set_x_orig[index]) -- 展示出第index图片

train_set_y[:, index] -- 取出train_set_y结果值中的第index的e的-z次方

np.exp(-z)

创建一个二维数组，其中要用两个括号
w = np.zeros((dim,1))
两个矩阵相乘必须要用公式，不能用 * 来表示
np.dot(A,Y)

---

 

numpy.squeeze

a：array_like 输入数据。 axis：无或int或int的元组，可选 版本1.7.0中的新功能。 选择形状中的一维条目的子集。如果在形状输入大于1的情况下选择轴，则会引发错误。
	挤压：ndarray 输入数组，但全部或部分长度为1的维度被删除。这始终是一个本身或看到一个。

>>> x = np.array([[[0], [1], [2]]])
>>> x.shape
(1, 3, 1)
>>> np.squeeze(x).shape
(3,)
>>> np.squeeze(x, axis=(2,)).shape
(1, 3)

---

numpy.rint

x：array_like

输入数组。

out：ndarray，None或者ndarray和None的元组，可选

存储结果的位置。如果提供，它必须具有输入广播的形状。如果未提供或无，则返回新分配的数组。元组（可能仅作为关键字参数）的长度必须等于输出的数量。

其中：array_like，可选

True值表示计算该位置的ufunc，False值表示仅在输出中保留该值。

** kwargs

对于其他关键字参数，请参阅 ufunc文档。

 

out：ndarray或标量

输出数组与x的形状和类型相同。

>>> a = np.array([-1.7, -1.5, -0.2, 0.2, 1.5, 1.7, 2.0])
>>> np.rint(a)
array([-2., -2., -0.,  0.,  2.,  2.,  2.])

---