手写softmax(numpy.stack hstack vstack)

scores = [3.0, 1.0, 0.2]

import numpy as np

def softmax(x):

    return np.exp(x) / np.sum(np.exp(x), axis=0)

print(softmax(scores))

import matplotlib.pyplot as plt

x = np.arange(-2.0, 6.0, 0.1)

scores = np.vstack([x, np.ones_like(x), 0.2 * np.ones_like(x)])

print x

print scores

print softmax(scores)

print softmax(scores).T

plt.plot(x, softmax(scores).T, linewidth=2)

plt.show()

#softmax函数能够直接对List进行计算

#主要是np.exp(x),输入的x是是一个list,能分别对每个值进行计算返回的也是一个list

plot函数在一个图中画多条线，转置之后按列读取每一个数，有多少列就有多少个函数。

numpy中的stack,hstack,vstack用法

a = [[1, 2, 3],

     [4, 5, 6]]

print a

print ''

c = np.stack(a, axis=0)

print c

b = np.stack(a, axis=1)

print b

#输出a 是一个二维的list [[1,2,3],[4,5,6]]

np.stack函数是将list编程数组之后在这维度上增加一维度，由axis控制

axis=0按行读取增加一行

变成np.array类型的。

输出的c为

[[1 2 3]

 [4 5 6]]

axis=1按列读取增加一列

输出的b为

[[1 4]

 [2 5]

 [3 6]]

c b 与a大的区别就是c b是array类型的，a是list型

2. hstack()函数 

函数原型：hstack(tup) ，参数tup可以是元组，列表，或者numpy数组，返回结果为numpy的数组。看下面的代码体会它的含义

import numpy as np

a=[1,2,3]

b=[4,5,6]

print(np.hstack((a,b)))

输出：[1 2 3 4 5 6 ]

针对a b一维数组按水平方向堆叠起来，[1,2,3,4,5,6]

import numpy as np

a=[[1],[2],[3]]

b=[[1],[2],[3]]

c=[[1],[2],[3]]

d=[[1],[2],[3]]

print(np.hstack((a,b,c,d)))

输出：

[[1 1 1 1]

 [2 2 2 2]

 [3 3 3 3]]

针对 a b c d 是

[[1],

 [2],

 [3]]同样按水平方式堆叠，就上不断的增加列，从左到右，堆叠,变为

[[1 1 1 1]

 [2 2 2 2]

 [3 3 3 3]]

它其实就是水平(按列顺序)把数组给堆叠起来，vstack()函数正好和它相反。

3. vstack()函数 

函数原型：vstack(tup) ，参数tup可以是元组，列表，或者numpy数组，返回结果为numpy的数组。看下面的代码体会它的含义

import numpy as np

a=[1,2,3]

b=[4,5,6]

print(np.vstack((a,b)))

输出：

[[1 2 3]

 [4 5 6]]

按列的方式堆,从上到下

import numpy as np

a=[[1],[2],[3]]

b=[[1],[2],[3]]

c=[[1],[2],[3]]

d=[[1],[2],[3]]

print(np.vstack((a,b,c,d)))

输出：

[[1]

 [2]

 [3]

 [1]

 [2]

 [3]

 [1]

 [2]

 [3]

 [1]

 [2]

 [3]]

它是垂直（按照行顺序）的把数组给堆叠起来。