수학 기록지

np.stack은 쌓고자 하는 array와 어떤 방향으로 쌓을지 결정해주는 axis 파트가 있습니다. Staking된 결과를 보면 오히려 헷갈리기 때문에, 저 같은 경우는 shape을 기준으로 어떻게 쌓이는지 우선 관찰하는 편입니다. 예를 들어 아래의 코드처럼 보면 좀 더 이해가 쉽다는 것입니다. import numpy as np a = np.arange(1, 3, 1).reshape(1, 2) b = np.arange(3, 5, 1).reshape(1, 2) c = np.arange(5, 7, 1).reshape(1, 2) s0 = np.stack((a, b, c), axis=0) s1 = np.stack((a, b, c), axis=1) s2 = np.stack((a, b, c), axis=2) pr..

원래 수학에서는 당연히 같은 공간에 있는 것들끼리만 연산이 가능하지만, python의 세계에서는 어떤 의미에서는 직관적으로 broadcasting이라는 기능을 제공하죠. 특히 numpy array가 연산에 대해서 좀 더 직관적인 기능을 수행하게끔 해줍니다. 예를 들어 numpy array에서 scalar를 연산해주면, 아래의 예처럼 broadcasting이 일어납니다. import numpy as np np_arr = np.array([1, 2, 3, 4, 5]) sclr = 3 print(np_arr * sclr) # array([3, 6, 9, 12, 15]) 여기까지는 아마 모두 잘 아시리라 생각합니다. hierarchy를 하나 올려서, 2d-array (matrix)에 1d-array (vecto..