Python奇怪联会

我一直在学习安，但我正在读的书中有Python的例子。问题是我从未用Python编写过代码，这些代码对我来说太难理解：

sizes = [3,2,4]
self.weights = [np.random.randn(y, x) 
                    for x, y in zip(sizes[:-1], sizes[1:])]

---

我读了一些关于它的内容，发现

randn（）

函数返回一个数组，其中包含

y

元素和

x

维度，这些维度由0到1之间的随机数填充

zip（）

将两个阵列连接成一个阵列

size[：-1]

返回最后一个元素，而

size[1:://code>返回不带第一个元素的数组

但是有了所有这些，我仍然无法向自己解释这将生成什么。
大小[：-1]
将返回子列表
[3,2]
（即，除最后一个之外的所有元素）

size[1://code>将返回子列表
[2,4]
（即除第一个元素外的所有元素）

zip（[a，b]，[c，d]）
给出了
[（a，c）、（b，d）]

因此，压缩上述两个列表将为您提供
[（3,2）、（2,4）]

砝码的构造是一个复杂的过程。因此，该代码相当于

weights = []

for x,y in [(3,2), (2,4)]:
       weights.append(np.random.randn(y, x))

因此，最终结果将与

[ np.random.randn(2,3), 
  np.random.randn(4,2) ]

这段代码生成一个列表并将其分配给self.weights属性（这可能在一个类中？这可以解释self）。第二行是列表理解。它生成一个列表，将函数randn应用于变量对（x，y）
这里发生了很多事情

让我们分解这个表达式：正如您所说的，
zip
将创建一个元组列表，其中包含
大小的每个元素及其后续元素（最后一个除外）

理解列表的工作原理如下：元组在变量
x
和
y
中分解，并将这些变量传递到
np.random.randn
以创建随机矩阵列表

这些矩阵的特点是第一维度（行）的长度由
大小的每个元素指定，第二维度（列）的长度由以下元素指定

有趣的是，矩阵有相容的维数，可以按顺序相乘，但我想这不是目的。
权重
列表中每个矩阵的目的是指定完全连接的神经元层之间的权重。祝你好运看起来是个有趣的项目

后脚本
由于您是初学者：您可以添加
导入pdb；pdb.set_trace（）
语句在代码中的任意位置获取断点。然后，您可以复制并粘贴任何表达式的不同部分，以查看结果。
例如：

ipdb>打印尺寸
[3, 2, 4]
ipdb>打印尺寸[：-1]
[3, 2]
ipdb>打印尺寸[1:]
[2, 4]
ipdb>打印zip（大小[：-1]，大小[1:]）
[(3, 2), (2, 4)]
ipdb>打印[np.random.randn（y，x）表示拉链中的x，y（大小[：-1]，大小[1:]）]
[数组（[[0.25933943,0.59855688,0.49055744]，
[0.94602292，-0.8012292,0.56352986]），数组（[0.81328847，-0.53234407]，
[-0.272656  , -1.24978881],
[-1.2306653 ,  0.56038948],
[ 1.15837792,  1.19408038]])]
让我们把它分成几块：


将是一个列表。也就是说，做一些垃圾的东西，你会得到一个元素列表。通常看起来是这样的：

self.weights = [some_func(x) for x in a_list]

这相当于：

self.weights = []
for x in a_list:
    self.weights.append(some_func(x))


将
a
和
b
的元素分段组合成元组对：

(a1, b1), (a2, b2), (a3, b3), ...


这将遍历上面讨论的元组对


这表示获取列表
大小的所有元素，除了最后一个项（
-1
）

这说明要获取列表
大小
的所有元素，但第一个项除外


所以，最后把这些拼凑在一起，你会得到：

self.weights = [np.random.randn(y, x) for x, y in zip(sizes[:-1], sizes[1:])] 

这是一个列表理解，从第二项到最后一项，从第一项到下一项到最后一项，遍历第一个大小的元组对，根据这两个参数创建一个随机数，然后附加到一个存储为
self的列表。权重
大小[：-1]
返回数组直到（即不包括）它的最后一个元素
size[-1]
返回数组的最后一个元素。是的，我知道了，因为其他答案需要解释很多。事实证明，我对-1和zip的理解是错误的。@ChadSimmons:为了让你的回答更清楚，我已经自由地添加了一些细节。如果您不喜欢，请随时恢复我的编辑。此答案不正确<[（3,2）、（2,4）]中的x、y的代码>与[3,2]中的x的代码>不同：\n\t对于[2,4]中的y的代码>不同：
。第一种方法使用元组展开，在循环的第一次迭代中将x和y分别设置为3和2，在第二次迭代中将x和y分别设置为2和4。这意味着总共有两次迭代。第二个（嵌套循环）的总迭代计数为4。此外，您错误地计算了
np.random.randn（x，y）
，而不是
np.random.randn（y，x）
。因此，此代码的输出应该是
[np.random.randn（2,3），np.random.randn（4,2）]
。修复了x，ytranspose@ChadSimmons你的答案还是错的。尝试运行代码和OPs代码，并比较输出。你：
[np.random.randn（2,3），np.random.randn（4,3），np.random.randn（2,2），np.random.randn（4,2）]
。OP:
[np.random.randn（2,3），np.random.randn（4,2）]
。感谢您的解释。是的，这是一个有趣的项目。对我来说有点太难了，但我现在正在处理。另外，数字（3,2,4）只是为了更清楚的解释，我随机选择了它们。
(a1, b1), (a2, b2), (a3, b3), ...

for x, y in zip(a, b):

sizes[:-1]

sizes[1:]

self.weights = [np.random.randn(y, x) for x, y in zip(sizes[:-1], sizes[1:])]