[AI/Deep Learing] 인공지능을 위한 Deep Learning 준비(다차원 배열의 계산) - 3

# [AI/Deep Learing] 인공지능을 위한 Deep Learning 준비(다차원 배열의 계산) - 3

이번에는 신경망에서 필요한 다차원 배열에 대해서 알아보겠습니다.

## 다차원 배열

숫자가 한 줄로 늘어선 것이나 직사각형으로 늘어 놓은 것, 3차원으로 늘어놓은 것, N차원으로 나열하는 것을 통틀어 다차원 배열이라고 합니다.

### 1. 다차원 배열을 구현해보겠습니다.

import numpy as np

a = np.array([1,2,3,4])

print(a)

    [1 2 3 4]

# 배열의 차원 수 확인하기.

np.ndim(a)

    1

# shape는 튜플을 반환

a.shape

    (4,)

a.shape[0]

    4

b = np.array([[1,2],[3,4],[5,6]])

print(b)

    [[1 2]

     [3 4]

     [5 6]]

np.ndim(b)

    2

b.shape

    (3, 2)

a = np.array([[1,2],[3,4]])

a.shape

    (2, 2)

b = np.array([[5,6],[7,8]])

b.shape

    (2, 2)

2차원 배열은 특히 행렬이라고 부르고 가로 방향을 행(row), 세로 방향을 열(column)이라고 합니다.

### 2. 행렬의 내적(행렬 곱)을 구현해보겠습니다.

# 행렬의 내적(행렬 곱) 구하기

np.dot(a,b)

    array([[19, 22],

           [43, 50]])

a = np.array([[1,2,3],[4,5,6]])

a.shape

    (2, 3)

b = np.array([[1,2],[3,4], [5,6]])

b.shape

    (3, 2)

# 행렬 a의 1번째 차원의 원소 수(열 수)와 행렬 b의 0번째 차원의 원소 수(행 수)가 같아야 계산이 됩니다.

np.dot(a,b)

    array([[22, 28],

           [49, 64]])

a = np.array([[1,2],[3,4],[5,6]])

a.shape

    (3, 2)

b = np.array([7,8])

b.shape

    (2,)

np.dot(a,b)

    array([23, 53, 83])

### 3. 신경망의 내적

편향과 활성화 함수를 생략하고 가중치만 갖는 신경망을 구현해보겠습니다.

# 신경망의 내적

x = np.array([1,2])

x.shape

    (2,)

w = np.array([[1,3,5],[2,4,6]])

print(w)

    [[1 3 5]

     [2 4 6]]

w.shape

    (2, 3)

y = np.dot(x,w)

print(y)

    [ 5 11 17]

# 다음에는 3층 신경망을 구현해보도록 하겠습니다.

## 참고

밑바닥부터 시작하는 딥러닝