1. numpy库简介
numpy是一个开源的Python的科学计算库,用于快速处理任意维度的数组,在深度学习中经常需要使用numpy库对于数据进行处理。
2. 安装
打开cmd,输入如下命令行
pip install numpy
使用时,通常将其缩写为np:
import numpy as np
3. 部分函数学习笔记 —— 数据生成
3.1 随机整数生成
numpy.random.randint()
numpy库能够根据需要生成一个随机整数(可以用于环境初始化),函数为numpy.random.randint()
。
该函数与random.randint()
函数的区别在于:np.random.randint()
函数的取值范围是一个半开半闭区间,取值范围包括左侧的端点,但是不包括右侧的端点,而random.randint()
函数包含右侧端点的值。也就是说numpy.random.randint(0,8)
,会随机生成0-7中的一个整数;而random.randint(0,8)
会随机生成0-8中的一个整数。
3.2 全0/全1数据生成
np.zeros() / np.ones()
与matlab的语法类似,numpy库也支持产生全0/全1矩阵或向量。
面对那种需要从环境中获取且不一定啥时候产生的数据,可以通过初始化存储空间来确保索引不越界。
在初始化时,也可以通过声明来定义数据类型,如果不声明类型就默认float
声明类型示例:
import numpy as np
array = np.zeros([2, 4])
print(array.dtype)
>>> float64
array = np.zeros([2, 4],dtype=int)
print(array.dtype)
>>> int32
要注意其检索下标是从0开始的。
import numpy as np
array = np.zeros([2, 4])
array[0][3] =3
array
>>> array([[0., 0., 0., 3.],
[0., 0., 0., 0.]])
3.3 创建n阶单位阵
np.eye()
示例:
import numpy as np
dim =3
I = np.eye(dim)
I
>>> array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])