গ্রেডিয়েন্ট গণনা করা হয় অভ্যন্তরীণ বিন্দুতে দ্বিতীয় ক্রম সঠিক কেন্দ্রীয় পার্থক্য এবং হয় প্রথম বা দ্বিতীয় ক্রম নির্ভুল একপাশে (আগে বা পিছনে) সীমারেখায় পার্থক্য। প্রত্যাবর্তিত গ্রেডিয়েন্টটি ইনপুট অ্যারের মতো একই আকার ধারণ করে। 1ম প্যারামিটার, f হল একটি এনডাইমেনশনাল অ্যারে যাতে একটি স্কেলার ফাংশনের নমুনা থাকে। 2য় প্যারামিটারটি varargs অর্থাৎ f মানের মধ্যে ব্যবধান। সমস্ত মাত্রার জন্য ডিফল্ট একক ব্যবধান।
3য় প্যারামিটার হল edge_order{1, 2} অর্থাৎ সীমারে N-th ক্রম নির্ভুল পার্থক্য ব্যবহার করে গ্রেডিয়েন্ট গণনা করা হয়। ডিফল্ট:1. 4র্থ প্যারামিটার হল গ্রেডিয়েন্ট, যা শুধুমাত্র প্রদত্ত অক্ষ বা অক্ষ বরাবর গণনা করা হয়। ডিফল্ট (অক্ষ =কোনটিই নয়) হল ইনপুট অ্যারের সমস্ত অক্ষের জন্য গ্রেডিয়েন্ট গণনা করা। অক্ষ ঋণাত্মক হতে পারে, এই ক্ষেত্রে এটি শেষ থেকে প্রথম অক্ষ পর্যন্ত গণনা করে। পদ্ধতিটি প্রতিটি মাত্রার সাপেক্ষে f এর ডেরিভেটিভের সাথে সম্পর্কিত ndarrayগুলির একটি তালিকা প্রদান করে। প্রতিটি ডেরিভেটিভের f.
এর মতই আকৃতি আছেপদক্ষেপ
প্রথমে, প্রয়োজনীয় লাইব্রেরি আমদানি করুন -
import numpy as np
array() পদ্ধতি ব্যবহার করে একটি numpy অ্যারে তৈরি করা হচ্ছে। আমরা ফ্লোট টাইপের উপাদান যুক্ত করেছি −
arr = np.array([[20, 35, 57], [70, 85, 120]], dtype = float)
অ্যারে প্রদর্শন করুন −
print("Our Array...\n",arr) মাত্রা পরীক্ষা করুন −
print("\nDimensions of our Array...\n",arr.ndim)
ডেটাটাইপ −
পানprint("\nDatatype of our Array object...\n",arr.dtype) গ্রেডিয়েন্ট গণনা করা হয় অভ্যন্তরীণ বিন্দুতে দ্বিতীয় ক্রম সঠিক কেন্দ্রীয় পার্থক্য এবং হয় প্রথম বা দ্বিতীয় ক্রম নির্ভুল এক-পার্শ্বের (সামনে বা পিছনে) সীমারেখার পার্থক্য ব্যবহার করে। প্রত্যাবর্তিত গ্রেডিয়েন্টটি ইনপুট অ্যারের মতো একই আকার ধারণ করে −
print("\nResult (gradient)...\n",np.gradient(arr, axis = 0)) উদাহরণ
import numpy as np
# Creating a numpy array using the array() method
# We have added elements of float type
arr = np.array([[20, 35, 57], [70, 85, 120]], dtype = float)
# Display the array
print("Our Array...\n",arr)
# Check the Dimensions
print("\nDimensions of our Array...\n",arr.ndim)
# Get the Datatype
print("\nDatatype of our Array object...\n",arr.dtype)
# The gradient is computed using second order accurate central differences in the interior points and either first or second order accurate one-sides (forward or backwards) differences at the boundaries. The returned gradient hence has the same shape as the input array.
print("\nResult (gradient)...\n",np.gradient(arr, axis = 0)) এর আকৃতি রয়েছে আউটপুট
Our Array... [[ 20. 35. 57.] [ 70. 85. 120.]] Dimensions of our Array... 2 Datatype of our Array object... float64 Result (gradient)... [[50. 50. 63.] [50. 50. 63.]]
