在邁克爾尼爾森的神經(jīng)網(wǎng)絡(luò)教程中，他有以下代碼：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)]我明白元組和列表是什么，我明白 zip 函數(shù)在做什么，但我不明白變量 nb、dnb、nw 和 dnw 在這兩行代碼中是如何更新的： 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)]任何人都可以幫助解釋這兩行中發(fā)生的魔力嗎？
2 回答
慕工程0101907
TA貢獻(xiàn)1887條經(jīng)驗(yàn) 獲得超5個(gè)贊
這兩行是 Python列表推導(dǎo)式的典型示例。
本質(zhì)上，對(duì)于您的第一個(gè)列表：
nabla_b = [nb+dnb for nb, dnb in zip(nabla_b, delta_nabla_b)]
這意味著：
取第一對(duì)
zip(nabla_b, delta_nabla_b)；命名它們nb并dnb添加它們 (
nb+dnb)使結(jié)果成為新列表的第一個(gè)元素
nabla_b轉(zhuǎn)到第 2 對(duì)等的第一步，將結(jié)果附加到
nabla_b，直到所有對(duì)zip(nabla_b, delta_nabla_b)都用完
作為一個(gè)簡(jiǎn)單的例子，下面的列表推導(dǎo)式：
squares = [x**2 for x in range(10)]
print(squares)
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
等效于以下for循環(huán)：
squares = []
for x in range(10):
squares.append(x**2)
print(squares)
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
有關(guān)更多示例和快速介紹，請(qǐng)參見此處。
犯罪嫌疑人X
TA貢獻(xiàn)2080條經(jīng)驗(yàn) 獲得超4個(gè)贊
該zip函數(shù)將兩個(gè)列表逐個(gè)元素地粘在一起，這樣如果你給它：
a = [1, 2, 3, 4]
b = ["a", "b", "c", "d"]
zip(a, b) 會(huì)返回：
[(1, "a"), (2, "b"), ...]
（每個(gè)元素都是一個(gè)tuple）
您可以使用元素中每個(gè)變量之間的逗號(hào)來解包lists 的tuples（或lists）元素tuple：
for elem_a, elem_b in zip(a, b):
print(elem_a, elem_b)
這將打?。?/p>
1 a
2 b
3 c
4 d
因此，在您的情況下，它將兩個(gè)列表nabla_b和delta_nabla_b元素相加，因此您會(huì)得到一個(gè)列表，其中每個(gè)元素都是壓縮列表中相應(yīng)元素的總和。
它可能看起來有點(diǎn)奇怪，因?yàn)閒or循環(huán)都在一行上，但這被稱為“列表理解”。簡(jiǎn)單的列表推導(dǎo)讀起來像英語。
添加回答
舉報(bào)
0/150
提交
取消