在邁克爾尼爾森的神經網絡教程中，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生的魔力嗎？
2 回答
慕工程0101907
TA貢獻1887條經驗 獲得超5個贊
這兩行是 Python列表推導式的典型示例。
本質上，對于您的第一個列表：
nabla_b = [nb+dnb for nb, dnb in zip(nabla_b, delta_nabla_b)]
這意味著：
取第一對
zip(nabla_b, delta_nabla_b)；命名它們nb并dnb添加它們 (
nb+dnb)使結果成為新列表的第一個元素
nabla_b轉到第 2 對等的第一步，將結果附加到
nabla_b，直到所有對zip(nabla_b, delta_nabla_b)都用完
作為一個簡單的例子，下面的列表推導式：
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：
squares = []
for x in range(10):
squares.append(x**2)
print(squares)
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
有關更多示例和快速介紹，請參見此處。
犯罪嫌疑人X
TA貢獻2080條經驗 獲得超4個贊
該zip函數將兩個列表逐個元素地粘在一起，這樣如果你給它：
a = [1, 2, 3, 4]
b = ["a", "b", "c", "d"]
zip(a, b) 會返回：
[(1, "a"), (2, "b"), ...]
（每個元素都是一個tuple）
您可以使用元素中每個變量之間的逗號來解包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，它將兩個列表nabla_b和delta_nabla_b元素相加，因此您會得到一個列表，其中每個元素都是壓縮列表中相應元素的總和。
它可能看起來有點奇怪，因為for循環都在一行上，但這被稱為“列表理解”。簡單的列表推導讀起來像英語。
添加回答
舉報
0/150
提交
取消