Numpy -Gradientenmethode

Die von der Python -Programmiersprache bereitgestellte Numpy -Bibliothek ist eine der besten Bibliotheken, mit denen Sie mathematische Berechnungen auf Arrays durchführen können. In diesem Leitfaden werden wir die Numpy -Gradientenmethode diskutieren. Am Ende dieses Tutorials können Sie die Gradientenmethode in Ihren Python -Programmen selbst verwenden.

Was ist der Gradient in der Python -Programmiersprache??

Im Allgemeinen ist der Gradient ein Vektor, der die partiellen Ableitungen der Variablen enthält. Zum Beispiel hat ein 2-D-Array zwei Gradientenvektoren. Ein 5-D-Array hat fünf Gradientenvektoren und so weiter. In der Python-Programmiersprache ist das Konzept des Gradienten gleich, aber wir haben eine eingebaute Gradientenmethode, um den Gradienten eines mehrdimensionalen Arrays zu finden.

Was ist die numpy Gradientenmethode??

Die Numpy -Gradientenmethode berechnet den Gradienten der angegebenen Daten, indem die zentralen Unterschiede des Innenraums ermittelt werden. Der Gradient der Daten bezieht sich auf die Änderung der y -Dimension über die Änderung der X -Dimension, und die Numpy -Gradientenmethode berechnet den Gradienten der bereitgestellten Daten. Wir werden dies mit Hilfe einfacher Beispiele erklären. Bevor wir jedoch die Beispiele demonstrieren, können wir Ihnen helfen, die Syntax der Numpy -Gradientenmethode zu verstehen.

Syntax der Numpy -Gradientenmethode

Die Syntax der Numpy -Gradientenmethode lautet wie folgt:

Die Numpy -Gradientenmethode enthält fünf Eingabeparameter, Array, *Args, Achse und Kanten. Der Parameter „Array“ enthält das Eingangsarray, auf das die Gradientenfunktion angewendet werden muss. Der Parameter „*args“ bezieht sich auf die Liste der Arrays oder Skalare. Der Parameter „Achsen“ bezieht sich auf die Achse der Berechnung, entweder 0 oder 1. Die 0-Achse repräsentiert die Berechnung der Daten auf Zeilenebene und Achse 1 die Daten auf Spaltenebene. Es ist ein optionaler Parameter. Und schließlich ist ein weiterer optionaler Parameter „Kanten“ mit Standardwert 1, der die genauen Unterschiede in der N -ten Ordnung an den Grenzen darstellt.

Jetzt, da wir verstehen, was Gradient ist, die Numpy -Gradientenmethode und seine Syntax, verwenden wir die Numpy -Gradientenmethode in Beispielprogrammen, um besser zu verstehen.

Beispiel 1

Wir werden mit einem sehr einfachen und grundlegenden Beispiel beginnen, damit Sie keine Probleme haben, die Arbeit der Numpy -Gradientenmethode zu verstehen. Der Code ist unten für Ihre Referenz angegeben, beziehen Sie sich zuerst darauf, und dann werden wir jeden Schritt eins erklären:

Numph als NPY importieren
y = [1, 5, 9, 11]
print ('Der Gradient ist:', npy.Gradient (y))

Das Programm begann mit dem Importieren der Numpy -Bibliothek mit der Aussage „Import Numpy as NPY“. Die Funktion der Numpy -Bibliothek funktioniert nicht, wenn Sie die Numpy -Bibliothek nicht ausdrücklich in das Programm aufnehmen. Sobald wir die von einer Variablen genannte Numpy -Bibliothek importiert haben, können wir die Variable verwenden, um eine beliebige Funktion aus der Bibliothek aufzurufen. Nach dem Import der Numpy -Bibliothek wird ein Array in der Variablen „Y“ mit vier Werten deklariert. Das deklarierte Array wird an die Funktion Gradient () übergeben, um den Gradienten des Arrays zu finden. Die Methode gradient () im Hintergrund des Bildschirms führt die folgenden Schritte aus:

(y [1] - y [0]) / 1 = (5 - 1) / 1 = 4/1 = 4
(y [2] - y [0]) / 2 = (9 - 1) / 2 = 8/2 = 4
(y [3] - y [1]) / 2 = (11 - 5) / 2 = 6/2 = 3
(y [3] - y [2]) / 1 = (11 - 9) / 1 = 2/1 = 2

Gemäß der Berechnung erhalten wir das Ergebnis [4, 4, 3, 2] aus der Funktion Gradient (). Überprüfen Sie das Ergebnis der unten angegebenen Ausgabe:

Beispiel 2

Zuvor haben wir den Gradienten eines Arrays berechnet und die Schritte im Backend von der Numpy -Gradientenmethode erfunden. Jetzt werden wir der Funktion Gradient () zwei Arrays bereitstellen, um ihren Gradienten () zu berechnen.

Numph als NPY importieren
x = [1, 5, 9, 11]
y = [13, 15, 19, 21]
print ('Der Gradient ist:', npy.Gradient (y, x))

Hier haben wir die Numpy -Bibliothek mit der Aussage „Import numpy as npy“ im Programm importiert. Verwenden der NPY. Zwei Arrays, X und Y, werden deklariert, jeweils vier Elemente. Sowohl Arrays, X als auch Y, werden an die Gradientenfunktion übergeben, um ihren Gradienten zu berechnen. Die folgenden Schritte werden von der Numpy -Gradientenmethode im Backend durchgeführt, um den Gradienten von zwei Arrays zu berechnen:

(y [1] - y [0]) / (x [1] - x [0]) = (15 - 13) / (5 - 1) = 2/4 = 0.5
(y [2] - y [0]) / (x [2] - x [0]) = (19 - 13) / (9 - 1) = 6/8 = 0.75
(y [3] - y [1]) / (x [3] - x [1]) = (21 - 15) / (11 - 5) = 6/6 = 1
(y [3] - y [2]) / (x [3] - x [2]) = (21 - 19) / (11 - 9) = 2/2 = 1

Daher sollte das resultierende Gradientenarray [0 sein.5, 0.75, 1, 1]. Überprüfen Sie dies in der unten angegebenen Ausgabe:

Beispiel 3

In früheren Beispielen haben wir die Arrays nur der Gradientenfunktion zur Verfügung gestellt und alle anderen Parameter ignoriert, die der Numpy -Gradientenmethode zur Verfügung gestellt werden können. In diesem Beispielbeispiel lernen wir also, wie Sie alle Parameter für die Funktion Gradient () bereitstellen können. Der Referenzcode ist im folgenden Screenshot angegeben:

Numph als NPY importieren
x = npy.Array ([[1, 5, 9, 11], [1, 2, 4, 8]], dType = int)
Achse = 1
Kanten = 2
print ('Der Gradient ist:', npy.Gradient (x, Achse, Kanten))

Wie Sie sehen können, wird die Numpy -Bibliothek als NPY in das Programm importiert, und NPY wird verwendet, um die Funktionen von Array () und Gradient () aufzurufen. Ein 2-dimensionales Array wird durch die Verwendung der arrray () -Funktion erstellt, die die Achse = 1 und die Kanten = 2 deklariert wurden. Alle diese Parameter übergeben an die Gradientenfunktion. Lassen Sie uns nun die folgende Ausgabe sehen, um das Ergebnis zu überprüfen, das die Funktion Gradient () erzeugt hat. Hier ist die folgende Ausgabe:

Abschluss

Dieser Artikel zielte darauf ab, die Numpy -Gradientenmethode anhand einfacher Beispiele zu lernen. Die Numpy -Gradientenmethode wird verwendet, um die Änderung der y -Dimension über die Änderung der x -Dimension zu überprüfen. Die Gradientenmethode ist eine schnelle und effiziente Möglichkeit, den Gradienten der angegebenen Daten zu erhalten, ohne auf Fehler zu stoßen, die Sie in der manuellen Berechnung machen können. Diese Beispielcodes helfen Ihnen beim Schreiben Ihres angepassten Programms, einschließlich der Numpy -Gradientenmethode.