A Note on Python/Numpy Vectors

 

 

파이썬의 브로드 캐스팅,

더 일반적으로 말해서 NumPy를 사용한 파이썬 프로그래밍의 유연성은

프로그래밍 언어의 장점과 단점 모두 될 수 있다고 생각한다.

 

장점으로 언어의 넓은 표현성과 유연성은 한 줄의 코드로도 많은 걸 할 수 있게 해주고,

단점으로 브로드 캐스팅의 유연성은 자세한 내용과 작동 방법을 모른다면 이상하고 찾기 힘든 오류가 생긴다.

 

예를 들어, 행 벡터와 열 벡터를 더한다면 차원 오류나 형 오류가 생길 거라고 생각하겠지만,

두 벡터의 합인 행렬이 나올 수도 있다. 이 결과는 파이썬 내부 논리로 처리되지만,

파이썬에 익숙하지 않다면 이상하고 찾기 어려운 오류들이 생긴다.

 

해당 강의에서 확인하고자 하는 것은

코드를 간단하게 하거나, 이상한 오류들을 없애줬던 NumPy를 써보려고 한다.

 

---

 

a.shape이 5가 되는 이상한 자료구조를 만들었다. a.shape = (5,)

이를 rank 1 array 라고 한다. 행 벡터나 열 벡터 둘 다 아닌, 이상한 자료 구조이다. (결과가 직관적이지 않다.)

a = np.random.randn(5)

 

 

프로그래밍 예제나 신경망에서 로지스틱 회귀를 구현할 때, 랭크 1 배열은 아예 사용하지 않는 것이다.

대신, 항상 배열을 만들 때 아래와 같이 만든다면 벡터의 동작을 더 쉽게 이해할 수 있을 것이다.

벡터가 필요할 때는 아래의 둘 중 하나를 사용하고, rank 1 array는 사용하지 않는다.

 

-> 만약, rank 1 array을 얻게 된다면, reshape 함수를 사용해서

(5,1), (1,5)로 바꾸어 일관되게 열 벡터나 행 벡터로 동작할 수 있다.

a = np.random.randn(5,1)
a = np.random.randn(1,5)

#1번: a.shape은 (5,1)이 되고, 이는 열 벡터가 되고 열 벡터처럼 동작한다.
#따라서, (5,1) 행렬이나 열 벡터라고 생각할 수 있다.
#2번: a.shape은 (1,5)가 되고, 행 벡터처럼 반응한다.

 

 

코드에서 벡터의 차원을 확실히 알지 못할 때, assert 함수를 사용한다.

assert(a.shape == (5,1))

 

 

---

 

1) rank 1 array 를 사용하지 않고, 코드를 간단히 할 수 있다.

이는 열 벡터인 (n,1) 행렬 혹은 행 벡터인 (1,n) 행렬을 사용하는 것이다.

 

2) assert 함수를 많이 사용해서 행렬과 배열의 차원을 확인할 수 있다.

 

3) 행렬과 벡터를 필요한 차원으로 만들기 위해, reshape 함수를 사용할 수 있다.

 

 

 

 

* 아래의 영상을 참고하여 정리한 내용입니다.

https://www.youtube.com/watch?v=V2QlTmh6P2Y&list=PLkDaE6sCZn6Ec-XTbcX1uRg2_u4xOEky0&index=22