小编use*_*836的帖子

我试图创建一个随机数矩阵,但我的解决方案太长,看起来很难看

random_matrix = [[random.random() for e in range(2)] for e in range(3)]

这看起来不错,但在我的实现中它是

weights_h = [[random.random() for e in range(len(inputs[0]))] for e in range(hiden_neurons)]

这是非常难以理解的,不适合一条线.

我将我的神经网络从纯粹的python改为numpy,但现在它的工作速度更慢了.所以我尝试了这两个功能:

def d():
    a = [1,2,3,4,5]
    b = [10,20,30,40,50]
    c = [i*j for i,j in zip(a,b)]
    return c

def e():
    a = np.array([1,2,3,4,5])
    b = np.array([10,20,30,40,50])
    c = a*b
    return c

timeit d = 1.77135205057

timeit e = 17.2464673758

Numpy慢10倍.为什么会如此以及如何正确使用numpy？

在满足某些条件后,是否值得改变学习率？以及如何以及为什么这样做？例如,net将以高学习率开始,并且在平方误差足够低之后,学习率将下降以获得更好的精度,或者学习率应该增加到跳出局部最小值？它不会导致过度拟合吗？动量怎么样？

我想将函数应用于矩阵中的每一列.我想使用带参数的函数,但我不知道如何做,我尝试的事情以错误结束.

代码我跑了

import numpy as np

M = np.array([[1,2,3,4],
              [1,2,3,4],
              [1,2,3,4],
              [1,2,3,4]])

def my_function(arr, arg="default"):
    print arg
    return arr

def my_function_allong_axis(M, argument):
    return np.apply_along_axis(my_function, axis=0, arr=M, arg=argument)

my_function_allong_axis(M, "something else")

这将产生TypeError:apply_along_axis()得到一个意外的关键字参数'arg'