【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#
全部评论
我在输入A = np.array([1,2], [3,4])时报错说出现了Type error是为什么
点赞 回复
分享
发布于 2019-07-31 14:30

相关推荐

点赞 收藏 评论
分享
牛客网
牛客企业服务