Metodo gradiente numpy

La libreria Numpy fornita dal linguaggio di programmazione Python è una delle migliori librerie che consente di eseguire qualsiasi calcolo matematico sugli array. In questa guida, discuteremo del metodo del gradiente numpy. Entro la fine di questo tutorial, sarai in grado di utilizzare il metodo gradiente nei tuoi programmi Python da solo.

Qual è il gradiente nel linguaggio di programmazione Python?

Generalmente, il gradiente è un vettore contenente i derivati ​​parziali delle variabili. Ad esempio, un array 2-D ha due vettori di gradiente. Un array 5-D ha cinque vettori a gradiente e così via. Nel linguaggio di programmazione Python, il concetto di gradiente è lo stesso, ma abbiamo un metodo del gradiente incorporato per trovare il gradiente di un array multidimensionale.

Qual è il metodo del gradiente numpy?

Il metodo del gradiente numpy calcola il gradiente dei dati forniti trovando le differenze centrali degli interni. Il gradiente dei dati si riferisce alla variazione della dimensione y rispetto alla variazione della dimensione X e il metodo del gradiente numpy calcola il gradiente dei dati forniti. Spiegheremo questo con l'aiuto di semplici esempi. Ma prima di dimostrare gli esempi, ti aiutiamo a capire la sintassi del metodo del gradiente numpy.

Sintassi del metodo gradiente numpy

La sintassi del metodo del gradiente numpy è la seguente:

Il metodo del gradiente numpy prende cinque parametri di input, array, args, asse e bordi. Il parametro "array" contiene l'array di input su cui è necessario applicare la funzione gradiente. Il parametro "*args" si riferisce all'elenco di array o scalari. Il parametro "asse" si riferisce all'asse del calcolo, 0 o 1. L'asse 0 rappresenta il calcolo sui dati a livello di riga e l'asse 1 rappresenta i dati a livello di colonna. È un parametro opzionale. E infine, un altro parametro opzionale è "bordi" con valore predefinito 1, che rappresentano le differenze accurate dell'ennesimo ordine ai confini.

Ora che comprendiamo cos'è il gradiente, il metodo del gradiente numpy e la sua sintassi, usiamo il metodo del gradiente numpy nei programmi di esempio per capire meglio.

Esempio 1

Inizieremo con un esempio molto semplice e di base in modo da non avere difficoltà a capire il funzionamento del metodo del gradiente numpy. Il codice è riportato di seguito per il tuo riferimento, fare riferimento prima ad esso e quindi spiegheremo ogni passaggio uno per uno:

importa numpy come npy
y = [1, 5, 9, 11]
stampa ('Il gradiente è:', npy.gradiente (y))

Il programma è iniziato con l'importazione della biblioteca Numpy con la dichiarazione "importa numpy as npy". La funzione della libreria numpy non funzionerà se non si include esplicitamente la libreria numpy nel programma. Una volta che abbiamo importato la libreria numpy di cui alla variabile, possiamo utilizzare la variabile per chiamare qualsiasi funzione dalla libreria. Dopo aver importato la libreria numpy, un array viene dichiarato nella variabile "y" contenente quattro valori. L'array dichiarato viene passato alla funzione gradiente () per trovare il gradiente dell'array. Il metodo Gradient () sullo sfondo dello schermo eseguirà i seguenti passaggi:

(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

Secondo il calcolo, otterremo il risultato [4, 4, 3, 2] dalla funzione gradiente (). Verifichiamo il risultato nell'output indicato di seguito:

Esempio 2

In precedenza, abbiamo calcolato il gradiente di un array e appreso i passaggi eseguiti sul backend con il metodo del gradiente numpy. Ora forniremo due array alla funzione gradiente () per calcolare il loro gradiente ().

importa numpy come npy
x = [1, 5, 9, 11]
y = [13, 15, 19, 21]
stampa ('Il gradiente è:', npy.gradiente (y, x))

Qui, abbiamo importato la biblioteca Numpy con la dichiarazione "importa numpy as npy" nel programma. Usando la variabile NPY, useremo la funzione gradiente () della libreria numpy. Sono dichiarati due array, xey, ciascuno con quattro elementi. Entrambi gli array, xey, vengono passati alla funzione gradiente per calcolare il loro gradiente. I seguenti passaggi saranno eseguiti con il metodo Numpy Gradient al backend per calcolare il gradiente di due array:

(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

Quindi, l'array di gradiente risultante dovrebbe essere [0.5, 0.75, 1, 1]. Verifichiamo questo nell'output indicato di seguito:

Esempio 3

Negli esempi precedenti, abbiamo fornito solo gli array alla funzione del gradiente e ignorato tutti gli altri parametri che possono essere forniti al metodo del gradiente numpy. Quindi, in questo esempio di esempio, impareremo come fornire tutti i parametri alla funzione gradiente (). Il codice di riferimento è riportato nella seguente schermata:

importa numpy come npy
x = npy.Array ([[1, 5, 9, 11], [1, 2, 4, 8]], dType = int)
asse = 1
bordi = 2
stampa ('Il gradiente è:', npy.Gradiente (x, asse, bordi))

Come puoi vedere, la libreria Numpy viene importata nel programma come NPY e NPY viene utilizzata per chiamare le funzioni di array () e gradiente (). Un array bidimensionale viene creato usando la funzione array () insieme a quella dell'asse = 1 e dei bordi = 2 sono stati dichiarati. Tutti questi parametri sono passati alla funzione gradiente. Ora, vediamo il seguente output per verificare il risultato che la funzione gradiente () ha prodotto. Ecco il seguente output:

Conclusione

Questo articolo mirava ad imparare il metodo del gradiente numpy usando esempi semplici. Il metodo del gradiente numpy viene utilizzato per verificare la modifica della dimensione y rispetto alla modifica nella dimensione X. Il metodo gradiente è un modo rapido ed efficiente per ottenere il gradiente dei dati dati senza riscontrare alcun errore che si può commettere nel calcolo manuale. Questi codici di esempio ti aiuteranno a scrivere il tuo programma personalizzato, incluso il metodo del gradiente numpy.