代码仓库
gitee
1. python 入门
1.5之前是python安装和基础语法, 我直接跳过了
1.5 Numpy
深度学习中经常出现数组和矩阵运算，Numpy 的数组类 numpy.array 提供了很多便捷的方法
1.5.1 导入 Numpy
import numpy as np
1.5.2 生成 Numpy 数组
np.array()，接收 python 列表，生成 Numpy 数组
x = np.array([1.0, 2.0, 3.0])
print(x)
print(type(x))
1.5.3 Numpy 的数学运算
x = np.array([1.0, 2.0, 3.0])
y = np.array([2.0, 4.0, 6.0])
print(x + y)
print(x - y)
print(x * y)
print(x / y)
需要注意，用于计算的数组的元素个数要相同
‘对应元素的’的英文是 element-wise，而 numpy 不仅可以进行 element-wise 运算，还可以和单一的数值（标量）组合起来进行计算。此时，需要在
numpy 数组的各个元素和标量之间进行计算，这个功能也称为广播
x = np.array([1.0, 2.0, 3.0])
print(x / 2.0)
1.5.4 Numpy 的 N 维数组
numpy 可以生成多维数组
A = np.array([[1, 2], [3, 4]])
print(A)
print(A.shape)
print(A.dtype)
shape 可以查看矩阵的形状，dtype 可以查看矩阵元素的数据类型
B = np.array([[3, 0], [0, 6]])
print(A + B)
print(A * B)
矩阵运算可以在相同形状的矩阵间以对应元素的方式进行。也可以通过标量（单一数值）对矩阵进行算术运算。这也是基于广播的功能
print(A)
print(A * 10)
数学上将一维数组称为‘向量’，将二维数组称为‘矩阵’，将一般化后的向量或矩阵等统称为‘张量’（tensor）。本书将二维数组称为矩阵，三维及以上称为‘张量’或‘多维数组’
1.5.5 广播
numpy 中形状不同的数组之间也可以进行运算。之前的例子中，2x2 的矩阵和标量 10 之间进行了乘法运算。这个过程中，标量 10 被扩展成
2x2 的形状，然后再与矩阵 A 进行乘法运算。这个功能就是广播
1.5.6 访问元素
X = np.array([[51, 55], [14, 19], [0, 4]])
print(X)
print(X[0]) # 第0行
print(X[0][1]) # (0,1)的元素
使用 for 遍历
for row in X:
print(row)
使用数组访问
X = X.flatten() # 将X转为一维数组
print(X)
print(X[np.array([0, 2, 4])]) # 获取索引为0、2、4的元素
通过这个标记法，可以获取满足一定条件的元素。例如，获取 x 中大于 15 的元素
print(X > 15)
print(X[X > 15])
通过不等号得到了布尔型数组，并通过布尔型数组取出 X 的各个元素（取出 True 对应的元素）
- python 等动态语言一般比 c 和 c++等静态语言（编译型）运算速度慢，所以很多追求性能的场景，人们用 c、c++编写，然后让 python
调用，numpy 也是如此
1.6 Matplotlib
图形绘制和可视化的库
1.6.1 绘制简单图形
sin 函数曲线
import numpy as np
import matplotlib.pyplot as plt
# 生成数据
x = np.arange(0, 6, 0.1) # 以0.1为步长（单位），生成0到6的数据
y = np.sin(x)
# 绘制图形
plt.plot(x, y)
plt.show()
1.6.2 pyplot 的功能
在刚才的 sin 函数图形中追加 cos 函数的图形，并尝试使用 pyplot 的添加标题和 x 轴标签名等其他功能
import numpy as np
import matplotlib.pyplot as plt
plt.switch_backend('TkAgg')
# 绘制sin函数曲线
# 生成数据
x = np.arange(0, 6, 0.1) # 以0.1为步长（单位），生成0到6的数据
y1 = np.sin(x)
y2 = np.cos(x)
# 绘制图形
plt.plot(x, y1, label='cos')
plt.plot(x, y2, linestyle='--', label='cos') # 用虚线绘制
plt.xlabel('x') # x轴标签
plt.ylabel('y') # y轴标签
plt.title('sin & cos') # 标题
plt.legend()
plt.show()
1.6.3 显示图像
pyplot 提供了显示图形的方法 imshow()。此外，还可以使用 matplotlib.image 里的 imread() 读取图像
import matplotlib.pyplot as plt
from matplotlib.image import imread
img = imread('lena.jpg') # 读入图像（设定合适的路径）
plt.imshow(img)
plt.show()
