Python facilite les choses : que fait l'opérateur @ ? Cela a quelque chose à voir avec l'apprentissage en profondeur

Lors de l'utilisation de la bibliothèque NumPy en Python, @l'opérateur est utilisé pour effectuer une multiplication matricielle sur deux tableaux. La multiplication matricielle est une opération importante en algèbre linéaire avec de nombreuses applications en apprentissage automatique, en science des données et dans d'autres domaines.

Pour effectuer une multiplication matricielle dans NumPy, nous pouvons concaténer deux tableaux NumPy à l'aide de l'opérateur @. Par exemple, supposons que nous ayons deux tableaux NumPy a et b :

import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

Pour effectuer une multiplication matricielle entre a et b, nous pouvons utiliser @l'opérateur :

c = a @ b

Cela se traduira par un nouveau tableau NumPy c qui est le résultat de la multiplication de a et b à l'aide de la multiplication matricielle.

Auparavant Python 3.5, la multiplication matricielle np.dot()était effectuée à l'aide de fonctions au lieu de l'opérateur @. Cependant, Python 3.5 a introduit @des opérateurs pour rendre la multiplication matricielle plus facile à lire et à comprendre.

En résumé, en Python, @l'opérateur est un outil utile pour effectuer une multiplication matricielle avec des tableaux NumPy. Son Python 3.5introduction ultérieure facilite le travail avec les matrices en Python et simplifie le code requis pour effectuer cette importante opération mathématique.

concentrer sur

Pas de public

Recommandation de bon livre AI

L'IA change chaque jour qui passe, mais un immeuble de grande hauteur ne peut être séparé d'une bonne fondation. Vous souhaitez en savoir plus sur les principes et la pratique de l'intelligence artificielle ? Cherchez pas plus loin! Notre livre sur les principes et les pratiques de l'IA est la ressource idéale pour tous ceux qui cherchent à mieux comprendre le monde de l'IA. Rédigé par des experts de premier plan dans le domaine, ce guide complet couvre tout, des bases de l'apprentissage automatique aux techniques avancées de construction de systèmes intelligents. Que vous soyez un débutant ou un praticien expérimenté en IA, ce livre est fait pour vous. Alors pourquoi attendre ?

Les principes et pratiques de l'intelligence artificielle couvrent de manière exhaustive les classiques de divers systèmes importants d'intelligence artificielle et de science des données

Peking University Press, Principes et pratique de l'intelligence artificielle Intelligence artificielle et science des données de l'entrée à la compétence Explication détaillée des principes de l'algorithme d'apprentissage en profondeur de l'apprentissage automatique