Método de gradiente numpy

La biblioteca Numpy proporcionada por el lenguaje de programación de Python es una de las mejores bibliotecas que le permite realizar cualquier cálculo matemático en matrices. En esta guía, discutiremos el método de gradiente numpy. Al final de este tutorial, podrá utilizar el método de gradiente en sus programas de Python por su cuenta.

¿Cuál es el gradiente en el lenguaje de programación de Python??

En general, el gradiente es un vector que contiene las derivadas parciales de las variables. Por ejemplo, una matriz 2-D tiene dos vectores de gradiente. Una matriz 5-D tiene cinco vectores de gradiente, y así sucesivamente. En el lenguaje de programación de Python, el concepto del gradiente es el mismo, pero tenemos un método de gradiente incorporado para encontrar el gradiente de una matriz multidimensional.

¿Cuál es el método de gradiente numpy??

El método de gradiente numpy calcula el gradiente de los datos dados al encontrar las diferencias centrales del interior. El gradiente de los datos se refiere al cambio en la dimensión Y sobre el cambio en la dimensión x, y el método de gradiente numpy calcula el gradiente de los datos proporcionados. Explicaremos esto con la ayuda de ejemplos simples. Pero antes de demostrar los ejemplos, déjanos ayudarlo a comprender la sintaxis del método de gradiente numpy.

Sintaxis del método de gradiente numpy

La sintaxis del método de gradiente numpy es la siguiente:

El método de gradiente numpy toma cinco parámetros de entrada, matriz, *args, eje y bordes. El parámetro "matriz" contiene la matriz de entrada en la que se debe aplicar la función de gradiente. El parámetro "*args" se refiere a la lista de matrices o escalares. El parámetro "eje" se refiere al eje del cálculo, ya sea 0 o 1. El eje 0 representa el cálculo en los datos de nivel de fila, y el eje 1 representa los datos a nivel de columna. Es un parámetro opcional. Y, por último, otro parámetro opcional es "bordes" con el valor predeterminado 1, que representa las diferencias precisas en los límites en los límites.

Ahora que entendemos qué es el gradiente, el método de gradiente numpy y su sintaxis, usemos el método de gradiente numpy en programas de muestra para comprender mejor.

Ejemplo 1

Comenzaremos con un ejemplo muy simple y básico para que no tenga problemas para comprender el funcionamiento del método de gradiente numpy. El código se proporciona a continuación para su referencia, consulte primero y luego explicaremos cada paso uno por uno:

importar numpy como npy
y = [1, 5, 9, 11]
Imprimir ('El gradiente es:', NPY.gradiente (y))

El programa comenzó con la importación de la biblioteca Numpy con la declaración "Importar numpy as npy". La función de la biblioteca Numpy no funcionará si no incluye explícitamente la biblioteca Numpy en el programa. Una vez que hayamos importado la biblioteca Numpy mencionada por una variable, podemos usar la variable para llamar a cualquier función desde la biblioteca. Después de importar la biblioteca Numpy, se declara una matriz en la variable "Y" que contiene cuatro valores. La matriz declarada se pasa a la función de gradiente () para encontrar el gradiente de la matriz. El método de gradiente () en el fondo de la pantalla llevará a cabo los siguientes pasos:

(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

Según el cálculo, obtendremos el resultado [4, 4, 3, 2] de la función de gradiente (). Verifiquemos el resultado en la salida que se da a continuación:

Ejemplo 2

Anteriormente, calculamos el gradiente de una matriz y aprendimos los pasos realizados en el backend por el método de gradiente numpy. Ahora, proporcionaremos dos matrices a la función de gradiente () para calcular su gradiente ().

importar numpy como npy
x = [1, 5, 9, 11]
y = [13, 15, 19, 21]
Imprimir ('El gradiente es:', NPY.gradiente (y, x))

Aquí, importamos la biblioteca Numpy con la declaración "Importar numpy as npy" en el programa. Usando la variable NPY, usaremos la función de gradiente () de la biblioteca Numpy. Se declaran dos matrices, x e y, cada una con cuatro elementos. Ambas matrices, x e y, se pasan a la función de gradiente para calcular su gradiente. Los siguientes pasos serán realizados mediante el método de gradiente Numpy en el backend para calcular el gradiente de dos matrices:

(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

Por lo tanto, la matriz de gradiente resultante debería ser [0.5, 0.75, 1, 1]. Verifiquemos esto en la salida que se da a continuación:

Ejemplo 3

En ejemplos anteriores, solo proporcionamos las matrices a la función de gradiente e ignoramos todos los demás parámetros que se pueden proporcionar al método de gradiente Numpy. Entonces, en este ejemplo de muestra, aprenderemos cómo proporcionar todos los parámetros a la función de gradiente (). El código de referencia se da en la siguiente captura de pantalla:

importar numpy como npy
x = npy.Array ([[1, 5, 9, 11], [1, 2, 4, 8]], dtype = int)
eje = 1
bordes = 2
Imprimir ('El gradiente es:', NPY.Gradiente (x, eje, bordes))

Como puede ver, la biblioteca Numpy se importa al programa como NPY, y NPY se usa para llamar a las funciones Array () y gradiente (). Se crea una matriz bidimensional utilizando la función Array () junto con que el eje = 1 y los bordes = 2 se han declarado. Todos estos parámetros pasaron a la función de gradiente. Ahora, veamos la siguiente salida para verificar el resultado que la función de gradiente () ha producido. Aquí está la siguiente salida:

Conclusión

Este artículo tenía como objetivo aprender el método de gradiente numpy utilizando ejemplos simples. El método de gradiente numpy se usa para verificar el cambio en la dimensión Y sobre el cambio en la dimensión X. El método de gradiente es una forma rápida y eficiente de obtener el gradiente de los datos dados sin encontrar ningún error que pueda cometer en el cálculo manual. Estos códigos de muestra lo ayudarán a escribir su programa personalizado, incluido el método de gradiente Numpy.