【有书共读】《深度学习入门》第1章 - Python入门
Python解释器
1、python解释器也被称为“对话模式”,用户能够以和python对话的方式进行编程。windows平台下,cmd输入python,启动python解释器。
>>> 1 + 2 3
2、算术运算细节地方
**表示乘方
python 2.x中,int / int 结果为int; python 3.x中,int / int 结果为float
3、查看数据类型
>>> type(10) <class 'int'> >>> type(2.718) <class 'float'> >>> type("hello") <class 'str'>
注:python为动态语言类型,变量类型可根据情况自动转换
4、list 切片用法
>>> a[0:2] # index为0-2,不包括2 >>> a[1:] # index为1到最后一个元素 >>> a[:3] # index为0-3,不包括3 >>> a[:-1] # index为0-倒数第二个元素 >>> a[:-2] # index为0-倒数第三个元素
Python脚本文件
1、新建.py文件,其中为python代码,cmd下python xxx.py即可运行。
2、python定义类的写法
class className: def __init__(self, para1, ...) # 构造函数, self 重要 ... def fun1(self, para1, ...) # 方法1 ... def fun2(self, para1, ...) # 方法2 ...
NumPy
1、numpy提供了大量的数组和矩阵的计算方法,非常便捷,深度学习中使用十分频繁。
2、导入方式及相关使用方法示例。
import numpy as np x = np.array([1.0, 2.0, 3.0]) # 生成numpy数组 A = np.array([1, 2], [3, 4]) print(A.shape) print(A.dtype) B = np.array([10, 20]) print(A * B) # 广播,形状不同的数组进行矩阵运算 print(A[0]) # 访问第0行 print(A[0][1]) # 访问(0, 1)元素 A = A.flatten() # 将A转换为一维数组 print(A[np.array([0, 2, 3])]) # 获取index为0 2 3的元素 print(A[A>1]) # 筛选大于1的元素
注: python等动态语言一般比c/c++等静态编译型语言运算速度慢,追求性能和便利时,常将python调用c++等相结合。
Matplotlib
1、用于图形的绘制和数据的可视化,在深度学习中相当重要。
2、绘制sin函数示例
import numpy as np import matplotlib.pyplot as plt x = np.arange(0, 6, 0.1) y = np.sin(x) plt.plot(x, y, linestyle='--', label='sin') # 虚线绘制 plt.xlabel('x') # x轴标签 plt.ylabel('y') # y轴标签 plt.title('sin graph') plt.legend() plt.show()
3、pyplot显示图像
import matplotlib.pyplot as plt from matplotlib.image import imread img = imread('xxx.png') plt.imshow(img) plt.show()
小结
本章为深度学习入门,python相关基础知识,其中numpy和matplotlib等库的深入了解和使用相当重要。
#深度学习##Python#