Método Numpy Gradiente

A biblioteca Numpy fornecida pela linguagem de programação Python é uma das melhores bibliotecas que permite que você realize qualquer computação matemática nas matrizes. Neste guia, discutiremos o método Numpy Gradient. No final deste tutorial, você poderá usar o método de gradiente em seus programas Python por conta própria.

Qual é o gradiente na linguagem de programação Python?

Geralmente, o gradiente é um vetor que contém os derivados parciais das variáveis. Por exemplo, uma matriz 2D tem dois vetores de gradiente. Uma matriz 5-D tem cinco vetores de gradiente e assim por diante. Na linguagem de programação Python, o conceito de gradiente é o mesmo, mas temos um método de gradiente interno para encontrar o gradiente de uma matriz multidimensional.

Qual é o método de gradiente Numpy?

O método Numpy Gradient calcula o gradiente dos dados, encontrando as diferenças centrais do interior. O gradiente dos dados refere -se à alteração na dimensão y em relação à mudança na dimensão X, e o método Numpy Gradient calcula o gradiente dos dados fornecidos. Vamos explicar isso com a ajuda de exemplos simples. Mas antes de demonstrarmos os exemplos, vamos ajudá -lo a entender a sintaxe do método Numpy Gradient.

Sintaxe do método de gradiente Numpy

A sintaxe do método Numpy Gradient é o seguinte:

O método de gradiente Numpy leva cinco parâmetros de entrada, Array, *args, eixo e bordas. O parâmetro "Array" contém a matriz de entrada na qual a função de gradiente precisa ser aplicada. O parâmetro "*args" refere -se à lista de matrizes ou escalares. O parâmetro "eixo" refere -se ao eixo do cálculo, 0 ou 1. O eixo 0 representa o cálculo dos dados no nível da linha e o eixo 1 representa os dados no nível da coluna. É um parâmetro opcional. E, finalmente, outro parâmetro opcional é "arestas" com o valor padrão 1, representando as diferenças precisas da Nth Ordem nos limites.

Agora que entendemos o que é gradiente, o método Numpy Gradient e sua sintaxe, vamos usar o método de gradiente Numpy em programas de amostra para entender melhor.

Exemplo 1

Começaremos com um exemplo muito simples e básico para que você não tenha problemas para entender o funcionamento do método Numpy Gradient. O código é fornecido abaixo para sua referência, consulte primeiro e depois explicaremos cada etapa um por um:

importar numpy como NPY
y = [1, 5, 9, 11]
Print ('O gradiente é:', NPY.gradiente (y))

O programa começou com a importação da biblioteca Numpy com a declaração "Importar Numpy como NPY". A função da biblioteca Numpy não funcionará se você não incluir explicitamente a biblioteca Numpy no programa. Depois de importarmos a biblioteca Numpy referida por uma variável, podemos usar a variável para chamar qualquer função da biblioteca. Depois de importar a biblioteca Numpy, uma matriz é declarada na variável "y" contendo quatro valores. A matriz declarada é passada para a função gradiente () para encontrar o gradiente da matriz. O método Gradient () no plano de fundo da tela executará as seguintes etapas:

(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

De acordo com o cálculo, obteremos o resultado [4, 4, 3, 2] da função Gradient (). Vamos verificar o resultado na saída dada abaixo:

Exemplo 2

Anteriormente, calculamos o gradiente de uma matriz e aprendemos as etapas executadas no back -end pelo método Numpy Gradient. Agora, forneceremos duas matrizes para a função Gradient () para calcular seu gradiente ().

importar numpy como NPY
x = [1, 5, 9, 11]
y = [13, 15, 19, 21]
Print ('O gradiente é:', NPY.gradiente (y, x))

Aqui, importamos a biblioteca Numpy com a declaração "Importar Numpy como NPY" no programa. Usando a variável NPY, usaremos a função gradiente () da biblioteca Numpy. Duas matrizes, x e y, são declaradas, cada uma com quatro elementos. Ambas as matrizes, x e y, são passadas para a função de gradiente para calcular seu gradiente. As etapas a seguir serão executadas pelo método Numpy Gradient no back -end para calcular o gradiente de duas matrizes:

(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

Portanto, a matriz de gradiente resultante deve ser [0.5, 0.75, 1, 1]. Vamos verificar isso na saída dada abaixo:

Exemplo 3

Em exemplos anteriores, fornecemos apenas as matrizes para a função de gradiente e ignoramos todos os outros parâmetros que podem ser fornecidos ao método Numpy Gradient. Portanto, neste exemplo de exemplo, aprenderemos a fornecer todos os parâmetros à função gradiente (). O código de referência é fornecido na captura de tela a seguir:

importar numpy como NPY
x = npy.Array ([[1, 5, 9, 11], [1, 2, 4, 8]], dtype = int)
eixo = 1
arestas = 2
Print ('O gradiente é:', NPY.gradiente (x, eixo, bordas))

Como você pode ver, a biblioteca Numpy é importada para o programa como NPY, e as funções NPY são usadas para chamar a matriz () e gradiente (). Uma matriz bidimensional é criada usando a função Array () junto com que o eixo = 1 e as bordas = 2 foram declaradas. Todos esses parâmetros foram passados ​​para a função de gradiente. Agora, vamos ver a seguinte saída para verificar o resultado de que a função Gradient () produziu. Aqui está a seguinte saída:

Conclusão

Este artigo teve como objetivo aprender o método Numpy Gradient usando exemplos simples. O método de gradiente Numpy é usado para verificar a alteração na dimensão y em relação à mudança na dimensão x. O método de gradiente é uma maneira rápida e eficiente de obter o gradiente dos dados fornecidos sem encontrar nenhum erro que você possa cometer no cálculo manual. Esses códigos de amostra ajudarão você a escrever seu programa personalizado, incluindo o método Numpy Gradient.