資料的運算
矩陣相乘a*b
矩陣點乘c = a.*b(a的每個元素與b中對應的元素相乘，cij = aij*bij)
矩陣a.^2，a中每個元素平方
矩陣1./a，將a中每個元素取倒數
矩陣log(a)，將a中每個元素進行求對數運算
矩陣exp(a)，將a中每個元素，以e為底，以這些元素為冪的運算
矩陣abs(a)，將a中每個元素取絕對值
v = [1；2；3]，則v+1的結果和v+ones(length(v),1)的結果是一樣的
a'表示a的轉置
max(a)取向量中最大的元素
>> a = [1 2 3 8 7 6];
>> [val,ind] = max(a)
val = 8
ind = 4
>> a = [1 2;6 3;4 8]
a = 1 2
6 3
4 8
>> [val,ind] = max(a)
val =
6 8
ind =
2 3
>> a = [1 2 3 8 7 6];
>> a > 4
ans =
0 0 0 1 1 1
>> find(a > 4)
ans =
4 5 6
>> a = magic(3)
a = 8 1 6
3 5 7
4 9 2
>> [r,c] = find(a>7)
r = 1
3c = 1
2
prod(a) 把 向量a 中所有元素相乘
floor(a) 是向下取整
ceil(a) 表示向上取整
對a和b逐個元素比較取最大值
>> a = rand(3)
a = 0.36764 0.27279 0.64418
0.53047 0.97042 0.69824
0.31572 0.19123 0.38600
>> b = rand(3)
b = 0.421460 0.690191 0.769081
0.020380 0.662891 0.671919
0.591809 0.902464 0.751770
>> max(a,b)
ans =
0.42146 0.69019 0.76908
0.53047 0.97042 0.69824
0.59181 0.90246 0.75177
max(a,,2) 這將得到每一行的最大值
>> max(a,,1)
ans =
0.53047 0.97042 0.69824
>> max(a,,2)
ans =
0.64418
0.97042
0.38600
fliplr 矩陣的左右翻轉
flipud 矩陣的上下翻轉
pinv，矩陣的偽逆，在矩陣不可逆的時候用它
inv，矩陣的逆，在矩陣可逆時用它比用pinv快
參考資料
深度學習（三）
1 在調整超引數時，其中最終要的是 其次是動量 隱藏層單元以及mini batch，之後還可以調整層數跟學習率衰減 2 在深度學習中，隨機選擇引數的值可能更好一些，因為事先並不知道哪個引數相對比較重要，另乙個比較重要的原則是從粗略到精細，到大體確定了超引數的範圍，再在這個範圍內進行隨機取值，獲得更加...
深度學習筆記（三 之反向傳播
老規矩 妹妹鎮樓 得到損失函式以後，我們要根據損失函式來優化我們的模型，即優化w引數，更新w引數，使得損失值越低越好。這是反向傳播的過程。那麼，我們如何來優化w引數呢？這裡，我們就要計算每個w引數對於最終的損失值的重要程度。若某個w引數越大，損失值也越大，則說明應該將w引數減小。若某個w引數越大，損...
深度學習（三） PyCharm安裝和使用
最常用的配置項莫過於project interpreter了。通過該模組可以配置使用哪個python庫，也可以操作python庫中的所有元件，可以說非常關鍵。下圖中為python環境配置，之前介紹過使用的是anaconda，所以在這裡可以選擇使用了哪個conda映象。在python console視...