[Dúvida] O que faz essas funções do numpy junto com list compreension ?

Olá, William! Como vai?

Vou tentar esclarecer suas dúvidas sobre o código da rede neural MLP que você trouxe.

1. O que faz a linha "self.biases = [np.random.randn(y, 1) for y in sizes[1:]]"? Essa linha está criando uma lista de matrizes de viés (biases) para cada camada da rede neural, exceto a camada de entrada. Cada matriz de viés é inicializada com valores aleatórios seguindo uma distribuição normal (gaussiana) com média 0 e variância 1. A função np.random.randn(y, 1) gera uma matriz y x 1 com esses valores aleatórios. O sizes[1:] significa que estamos pegando todas as camadas exceto a primeira (camada de entrada), que não possui viés.

2. O que faz a linha "self.weights = [np.random.randn(y, x) for x, y in zip(sizes[:-1], sizes[1:])]"? Esta linha cria uma lista de matrizes de pesos (weights) para cada conexão entre as camadas da rede. A função np.random.randn(y, x) gera uma matriz com y linhas e x colunas, onde os valores também seguem uma distribuição normal com média 0 e variância 1. O uso de zip(sizes[:-1], sizes[1:]) serve para obter pares de tamanhos das camadas adjacentes, onde x é o número de neurônios na camada anterior e y é o número na camada seguinte.

3. Qual deverá ser a estrutura resultante de cada uma dessas duas linhas?

   • self.biases: Será uma lista de matrizes, onde cada matriz tem dimensões correspondentes ao número de neurônios da camada (exceto a primeira) e 1 coluna.
   • self.weights: Será uma lista de matrizes, onde cada matriz tem dimensões que correspondem ao número de neurônios na camada anterior (linhas) e o número de neurônios na camada seguinte (colunas).

4. Qual seria um código equivalente para obter exatamente o mesmo resultado dessas duas linhas, porém sem precisar usar list compreension e sem o numpy? Aqui está uma maneira de fazer isso usando apenas Python puro:

   import random
   
   class Network(object):
       def __init__(self, sizes):
           self.num_layers = len(sizes)
           self.sizes = sizes
           self.biases = []
           self.weights = []
           
           # Inicializando biases
           for y in sizes[1:]:
               bias_layer = []
               for i in range(y):
                   bias_layer.append([random.gauss(0, 1)])
               self.biases.append(bias_layer)
           
           # Inicializando weights
           for x, y in zip(sizes[:-1], sizes[1:]):
               weight_matrix = []
               for i in range(y):
                   weight_row = []
                   for j in range(x):
                       weight_row.append(random.gauss(0, 1))
                   weight_matrix.append(weight_row)
               self.weights.append(weight_matrix)
   
   minharede = Network([2, 3, 1])
   

   Neste código, substituímos np.random.randn por random.gauss(0, 1), que gera números aleatórios com média 0 e desvio padrão 1, similar à função do NumPy. As listas são preenchidas usando laços for tradicionais em vez de compreensões de lista.

Espero que essas explicações tenham ajudado a esclarecer suas dúvidas sobre o funcionamento desse código!

Grande abraço e bons estudos!

Obrigado Armando por responder.