คูณเมทริกซ์ด้วย NumPy
ในบทเรียนนี้ คุณจะคูณเมทริกซ์สองตัวด้วยตัวดำเนินการ @ ของ NumPy และแยกให้ออกจากการคูณทีละสมาชิก
บทนำ
ปัญหาที่ต้องแก้
การคูณเมทริกซ์อยู่เบื้องหลังการแปลงภาพในงานกราฟิก neural network และการแก้ระบบสมการ การคูณเมทริกซ์ไม่เหมือนการคูณตัวเลขที่อยู่ตำแหน่งตรงกัน และถ้าใช้ตัวดำเนินการผิด ผลลัพธ์จะผิดโดยโปรแกรมไม่แจ้ง error ใด ๆ
ลองนึกภาพแบบนี้
การคูณเมทริกซ์เหมือนร้านค้าที่คิดยอดรวมของคำสั่งซื้อ แถวของลูกค้าแต่ละคนบอกว่าซื้อสินค้าแต่ละอย่างกี่ชิ้น คอลัมน์ราคาบอกว่าสินค้าแต่ละอย่างราคาเท่าไร ยอดบิลของลูกค้าคือผลรวมของจำนวน × ราคา โดยไล่ไปตามแถวหนึ่งคู่กับคอลัมน์หนึ่ง
left🧾 แถว: ลูกค้าแต่ละคนซื้ออะไรright💲 คอลัมน์: ราคาleft @ right✖️ คูณแถวกับคอลัมน์ทีละคู่ แล้วบวกกัน19 = 1×5 + 2×7🧮 ได้ผลลัพธ์หนึ่งช่องการคูณเมทริกซ์ (@) ให้ผลเป็นเมทริกซ์ที่ช่อง [i, j] เท่ากับผลรวมของผลคูณระหว่างสมาชิกในแถว i ของเมทริกซ์ซ้าย กับสมาชิกในคอลัมน์ j ของเมทริกซ์ขวา
ประเด็นสำคัญ
left @ rightทำการคูณเมทริกซ์- ผลลัพธ์ที่มุมบนซ้ายคือ 19 มาจาก 1×5 + 2×7: แถว 1 ของ
leftคูณกับคอลัมน์ 1 ของright - จำนวนคอลัมน์ของ
leftต้องเท่ากับจำนวนแถวของright - ถ้าใช้
left * rightจะเป็นการคูณช่องที่ตรงกันแทน และได้ผลลัพธ์ต่างออกไป
ใช้เมื่อไร?
- พีชคณิตเชิงเส้น: การแปลง การหมุน ระบบสมการ
- เลเยอร์ของ neural network ซึ่งก็คือการคูณเมทริกซ์
- รวมตารางจำนวนกับตารางอัตรา เช่น คำสั่งซื้อกับราคา
เมื่อไรยังไม่จำเป็น
- ต้องการคูณหรือรวมค่าทีละช่อง: ใช้
* - รูปร่างไม่เข้ากัน: (2, 3) @ (2, 3) จะเกิด error ให้ transpose เมทริกซ์ข้างหนึ่ง ถ้าตั้งใจจะคูณแบบนั้นจริง ๆ
โค้ดตัวอย่าง
import numpy as np
left = np.array([[1, 2], [3, 4]])
right = np.array([[5, 6], [7, 8]])
product = left @ right
print(product)
ผลลัพธ์จากการรัน
[[19 22]
[43 50]]
อธิบายโค้ด
ตัวดำเนินการ @ คูณเมทริกซ์ เช่น สมาชิกตัวแรกของผลลัพธ์คือ 1 × 5 + 2 × 7 = 19 ซึ่งต่างจาก * ที่คูณเฉพาะสมาชิกในตำแหน่งเดียวกัน การคูณจะทำได้เมื่อจำนวนคอลัมน์ของเมทริกซ์ซ้ายเท่ากับจำนวนแถวของเมทริกซ์ขวา
เปลี่ยนค่าและรันโปรแกรมด้วย คอมไพเลอร์ Python ออนไลน์ของ CodeUtility โดยไม่ต้องติดตั้ง Python
แบบฝึกหัดเพิ่มเติม
ลองแก้โค้ดตามคำแนะนำด้านล่าง การเปลี่ยนโค้ดแล้วดูผลลัพธ์จะช่วยให้เข้าใจบทเรียนได้ดีกว่าการอ่านอย่างเดียวมาก
- เปลี่ยนรูปร่าง (shape) และชนิดข้อมูล (dtype) ของอาร์เรย์อินพุต
- ทดสอบกับเลขติดลบ ทศนิยม และค่าที่หายไป
- ใช้การคำนวณเดียวกันกับอาร์เรย์หลายมิติที่ใหญ่ขึ้นและจับเวลา
ข้อผิดพลาดที่พบบ่อย
ใช้ * สำหรับการคูณเมทริกซ์
* คูณทีละช่อง จึงได้คำตอบที่ผิดโดยไม่มี error เตือน
product = left * right
product = left @ right
เรียนบทนี้จบแล้วใช่ไหม
ทำเครื่องหมายว่าเรียนแล้วเพื่อติดตามความคืบหน้า
ฝึกด้วยโจทย์
ใช้สิ่งที่เรียนในบทนี้แก้ปัญหาจริง ทุกโจทย์รันในเบราว์เซอร์ พร้อมการทดสอบทันทีและรีวิวจาก AI
- การคูณเมทริกซ์ คูณเมทริกซ์สองตัว ซึ่งเป็นการคำนวณเบื้องหลังทุกเลเยอร์ของโครงข่ายประสาทเทียม ง่าย
- การส่งผ่านไปข้างหน้าในเลเยอร์แบบ dense คำนวณเอาต์พุตของเลเยอร์นิวรอนที่เชื่อมต่อกันทั้งหมด โดยเลือกฟังก์ชันกระตุ้นได้ ปานกลาง
- ฟังก์ชัน softmax เปลี่ยนคะแนนดิบให้เป็นความน่าจะเป็นที่รวมกันได้ 1 โดยไม่เกิดการล้นของตัวเลขเมื่อค่ามีขนาดใหญ่ ง่าย