我目前正在研究计算机科学教科书中的一些概念。线性代数被大量使用,他们在教科书中展示的例子都使用了 Numpy。
特别是一种表达方式让我完全困惑,因为它似乎是一种完全无用的表达方式。从教科书中逐字复制,它说:
normalisers = sum(exp(outputs),axis=1)*ones((1,shape(outputs)[0]))
因此,为了简化起见,我将删除exp
(它与这里的问题无关),这给了我们:
sum(outputs,axis=1)*ones((1,shape(outputs)[0]))
其中outputs
是 2-D Numpy array
(矩阵)。
据我所知,这只是对outputs
矩阵中的所有行求和,然后将结果向量逐元素乘以一个向量。那么......在这里乘以所有的有什么意义?它根本不会改变价值观。
这是教科书中的错误,还是我只是没有看到所有乘以可能会对这里的值产生任何影响?在这一点上,我对 Numpy 只是有点熟悉,所以我不确定我是否只是误解了这个表达式的一些含义。