Update 09

exam/9.md

+# 第9关：训练之前的一些准备：使用numpy处理网络的输出
+
+## 任务描述
+
+本关任务：在训练过程中，我们需要知道什么时候模型过拟合训练集了，或者想记录没一次训练的结果，然后绘制训练的图像。本关以下的数据处理的内容，其实可以用 TensorFlow 做，但是没必要，我个人认为能用 Numpy 等科学计算包在模型之外处理的事情，在模型之外做更方便且自定义空间大。
+
+## 相关知识
+
+为了完成本关任务，你需要掌握：
+
+1. 如何使用Numpy实现softmax
+2. 如何将概率分布的数组，转为onehot编码的矩阵
+3. 如何计算准确率
+4. 如何绘制准确率的变化图像
+
+### 如何使用 Numpy 实现 softmax
+
+上一关中，我们模型的最后一层的输出其实是没有经过任何激活处理的数值。所以需要人工完成 softmax 的操作，然后将最大值变为 1，其它位置变为 0。根据 softmax 的定义，使用 numpy 实现即可。
+
+示例：
+
+```python
+def softmax(x):
+    #这一行不用管
+    np.seterr(divide='ignore', invalid='ignore')
+    #使用np.exp()对数组中所有元素做自然指数运算
+    #np.sum(axis=1)按行求和，返回的是每一行的和的列表
+    #np.exp(x).T将矩阵转置
+    return (np.exp(x).T / np.sum(np.exp(x), axis=1)).T
+
+a = [[1,2,3],
+     [-2,-3,2]]
+print(softmax(a))
+```
+
+输出：
+
+```
+[[0.09003057 0.24472847 0.66524096]
+ [0.01786798 0.00657326 0.97555875]]
+```
+
+### 如何将概率分布的数组，转为 onehot 编码的矩阵
+
+具体地说，就是把一个向量的最大值变为 1，其它地方的值变为 0。需要学会使用 `argmax()` 返回最大值的索引，学会如何对一个矩阵多个位置同时赋值。
+
+示例如下：
+
+```python
+def returnOneHot(NNOutput):
+    #先建一个全为0的数组
+    out = np.zeros(NNOutput.shape)
+    #返回每一行最大的值的索引。
+    #如果axis=0，则是每一列最大值的索引
+    #如果不指定axis参数，则返回整个数组最大值的索引。
+    idx = NNOutput.argmax(axis=1)
+    #np.arange(NNOutput.shape[0])返回列表
+    #[0,1,2,4...]即每一行的行索引
+    #idx也是一个里列表，是每一行的列索引
+    #这样赋值后，每一行的最大值所在的位置就是1了。
+    out[np.arange(NNOutput.shape[0]), idx] = 1
+    return out
+
+a = np.array([[1,2,3],
+              [-2,-3,2]])
+print(returnOneHot(a))
+```
+
+输出：
+
+```
+[[0. 0. 1.]
+ [0. 0. 1.]]
+```
+
+### 如何计算准确率
+
+首先需要知道有多少个样本正确，所以需要设置一个变量 right 来记录正确的样本个数，然后需要比较预测值和真实值是否相同，需要用到 `(a==b).all()`。a，b 是两个 `numpy.array` 类型的变量。
+
+示例如下：
+
+```python
+a = np.array([1,2,3,4])
+b = np.array([1,3,5,4])
+print(a==b)
+print((a==b).any())
+print((a==b).all())
+```
+
+输出：
+
+```
+[ True False False  True]
+True
+False
+```
+
+直接用 == 比较，返回的是每个位置是否相等的布尔值的矩阵，
+
+加上 `.any()` 是只要存在相等的元素即真，`.all()` 是必须全相等才返回真。
+
+### 如何绘制准确率的变化图像
+
+使用 `matplotlib.pyplot` 库即可。
+
+示例：
+
+```python
+import matplotlib.pyplot as plt
+#这两行代码用于处理中文字符无法显示
+#如果需要中文字符，加上这两行代码。
+plt.rcParams['font.sans-serif'] = ['SimHei']
+plt.rcParams['axes.unicode_minus'] = False
+#plot 第一个参数是x坐标，第二个参数是y坐标
+#label可用于指明这一条曲线的名称
+x=[1,2,3,4]
+y = np.square(x)
+plt.plot(x, y,label = 'x**2')
+plt.legend()
+plt.show()
+```
+
+输出：
+
+![1.png](assets/9/1.png)
+
+## 编程要求
+
+在右侧编辑器补充代码，训练并记录每次的准确率。
+
+## 测试说明
+
+平台会对你编写的代码进行测试，检测你编写的函数是否正确，如果正确，就会评定为通过。
+
+---
+
+开始你的任务吧，祝你成功！
+
+## 答案
+
+见 `outputsUtilsCompleted.py`。
\ No newline at end of file