7.1.2 NumPy回顧
譯者：Python 文檔協作翻譯小組，原文：NumPy refresher。
本文以 CC BY-NC-SA 4.0 協議發布，轉載請保留作者署名和文章出處。
Python 文檔協作翻譯小組人手緊缺，有興趣的朋友可以加入我們，完全公益性質。交流群：467338606。
這里有一些NumPy的快速指南：
機器學習的矩陣慣例
行是水平的，列是垂直的。每一行都是一個樣本。因此，inputs[10,5]是10個樣本的矩陣，其中每個樣本具有維度5。如果這是神經網絡的輸入，則從輸入到第一個隱藏層的權重將表示大小(5, #hid)的矩陣。
考慮這個數組：
>>> numpy.asarray([[1., 2], [3, 4], [5, 6]])
array([[ 1., 2.],
[ 3., 4.],
[ 5., 6.]])
>>> numpy.asarray([[1., 2], [3, 4], [5, 6]]).shape
(3, 2)
這是3×2矩陣，即有3行和2列。
要訪問第3行（#2行）和第1列（#0列）中的元素：
>>> numpy.asarray([[1., 2], [3, 4], [5, 6]])[2, 0]
5.0
要記住這一點，我們從左到右、從上到下讀取，所以連續的元素是一行。也就是說，有3行和2列。
Broadcasting
Numpy在算術運算期間對不同形狀的數組進行broadcasting。這通常意味著較小的數組（或標量）被broadcasted到較大的數組，以讓它們具有兼容的形狀。下面的示例演示broadcastaing的一個實例：
>>> a = numpy.asarray([1.0, 2.0, 3.0])
>>> b = 2.0
>>> a * b
array([ 2., 4., 6.])
在這種情況下，這里較小的數組b（實際上是標量，其工作原理類似于一個0維數組）在乘法過程中被broadcasted到與a相同的大小。這個技巧通常用于簡化表達式的寫法。有關broadcasting的更多詳情，請參見numpy用戶指南。
