基于Python的深度学习基础

Python基础

• Python是一种开源的、简单易记、可以自由使用编程语言。
• 深度学习将使用NumPy和Matplotlib这两种外部库
• Python有“解释器”和“脚本文件”两种运行模式
• Python能够将一系列处理集成为函数或类等模块
• NumPy中有很多用于操作多维数组的便捷方法

类与对象

变量是挂在对象身上的标签

class Man:     
#定义了一个新类Man，类Man生成了实例（对象）m
#类Man的构造函数（初始化方法会接收参数name）
#参数name初始化实例变量self.name（实例变量是存储在各个实例中的变量）
    def __init__(self, name):  
        self.name = name    #通过在self后面添加属性名来生成或访问实例变量
        print('Initialized!')

    def hello(self):
        print("Hello" + self.name +'!')

    def goodbye(self):
        print('Good-bye' + self.name + '!')

m = Man('David')
m.hello()
m.goodbye()        

NumPy基础

import numpy as np

• NumPy的 N 维数组（矩阵）

A = np.array([1,2] , [3,4])
A.array()    #查看矩阵的形状
A = np.dtype()    #查看矩阵元素的数据类型

• 数组和矩阵的计算工具
• 关于array类型和matrix类型

Numpy中两大重要类型array类型(N维数组ndarray)和矩阵类型matrix是很多基于Numpy数值计算的基础；

Numpy中最重要的数据结构就是ndarry，简写为array， 即N维数组；matrix也是一种array，只不过是维数为2的特殊array，matrix的维数是固定的，这点和一般array显著不同

即便加减乘除各种运算，matrix的维数不会发生变化，而array在运算时特别是归约时维数会发生变化，一句话，matrix的维数永远是

1. 二者之间的转化，array转matrix用np.asmatrix或者np.matrix，matrix转array用np.asarray或者matrix的A属性
2. 行向量或者列向量对应的array和matrix的实际维数

• 广播（broadcast）

在np乘法中，标量被当作是由相同元素组成的的 N 维数组，以便进行和数组进行算术运算

广播的例子：标量10被当作2 × 2的矩阵

• 访问元素

X = np.array([51,55], [14,19], [0,4])

X[0]	#访问第0行元素 -> OUTPUT:array([51,55])

X[0][1]	#访问(0,1)元素 -> OUTPUT:55

#遍历数组中的元素
for row in X:
    print(row)

X = X.flatten()#将X转换为一维数组 - > OUTPUT:[51 55 14 19 0 4]

NumPy多维数组的运算

此部分知识将在神经网络中应用.

• 矩阵的点积（乘积）

np.dot(A, B) #A和B的顺序影响结果

在多维数组的点积运算中，两个矩阵对应维度的元素必须一致.

在矩阵的点积运算中，对应维度的元素个数要保持一致

Matplotilb

• 安装

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib

• 导入库

import numpy as np
import matplotlib.pyplot as plt

• 绘制sin函数曲线

#生成数据
x = np.arange(0, 6, 0.1)  #以0.1为单位，生成0到6的数据
y = np.sin(x)

#绘制图形
plt.plot(x, y)

plt.xlabel("在此处输入x轴标签")
plt.ylabel("在此处输入y轴标签")
plt.title("在此处输入图像标题")

plt.show()

• 方法查阅表

pyplot函数	功能
plt.ylim(start, stop, step)	指定y轴的范围
plt.show()	显示绘制的图像
plt.plot(x ,y)	绘制折线图
plt.xticks()	设置x轴刻度