更新列表中的 Python for 循环如何工作？

Question

在 Michael Nielsen 的神经网络教程中，他有以下代码：

def update_mini_batch(self, mini_batch, eta):
    """The ``mini_batch`` is a list of tuples ``(x, y)``, and ``eta``
    is the learning rate."""
    nabla_b = [np.zeros(b.shape) for b in self.biases]
    nabla_w = [np.zeros(w.shape) for w in self.weights]
    for x, y in mini_batch:
        delta_nabla_b, delta_nabla_w = self.backprop(x, y)
        nabla_b = [nb+dnb for nb, dnb in zip(nabla_b, delta_nabla_b)]
        nabla_w = [nw+dnw for nw, dnw in zip(nabla_w, delta_nabla_w)]
    self.weights = [w-(eta/len(mini_batch))*nw
                    for w, nw in zip(self.weights, nabla_w)]
    self.biases = [b-(eta/len(mini_batch))*nb
                   for b, nb in zip(self.biases, nabla_b)]

我了解元组和列表是什么，我了解 zip 函数在做什么，但我不了解变量 nb、dnb、nw 和 dnw 如何在这 2 行代码中更新：

        nabla_b = [nb+dnb for nb, dnb in zip(nabla_b, delta_nabla_b)]
        nabla_w = [nw+dnw for nw, dnw in zip(nabla_w, delta_nabla_w)]

谁能帮助解释这两行中发生的魔法？

Answer 1

这两行是Pythonlist comprehensions的典型例子。

本质上，对于您的第一个列表：

nabla_b = [nb+dnb for nb, dnb in zip(nabla_b, delta_nabla_b)]

这意味着：

1. 从zip(nabla_b, delta_nabla_b) 中取出第一对；将它们命名为 nb 和 dnb
2. 添加它们 (nb+dnb)
3. 将结果设为新列表nabla_b的第一个元素
4. 转到第 2 对等的第一步，将结果附加到 nabla_b，直到 zip(nabla_b, delta_nabla_b) 中的所有对都用完

作为一个简单的例子，下面的列表推导：

squares = [x**2 for x in range(10)]
print(squares)
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

相当于下面的for循环：

squares = []

for x in range(10):
    squares.append(x**2)

print(squares)
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

有关更多示例和快速介绍，请参阅 here。

Answer 2

zip 函数将两个列表逐个元素地粘在一起，所以如果你给它：

a = [1, 2, 3, 4]
b = ["a", "b", "c", "d"]

zip(a, b) 会返回：

[(1, "a"), (2, "b"), ...]

（每个元素都是tuple）

您可以使用元素 tuple 中每个变量之间的逗号来解压缩 tuples（或 lists）的 lists 元素：

for elem_a, elem_b in zip(a, b):
    print(elem_a, elem_b)

这将打印：

1 a
2 b
3 c
4 d

因此，在您的情况下，它将两个列表 nabla_b 和 delta_nabla_b 元素相加，因此您会得到一个列表，其中每个元素都是压缩列表中相应元素的总和。

这可能看起来有点奇怪，因为for 循环都在一行上，但这被称为“列表推导”。简单的列表理解读起来像英语。