深度学习基础--NumPy

NumPy

深度学习中经常出现数组和矩阵运算，NumPy的数组类中提供了很多便捷方法，对经常用的一些NumPy的相关操作所作的整理。

参考书籍：

深度学习入门 : 基于Python的理论与实现 / (日) 斋藤康毅著 ; 陆宇杰译. – 北京 : 人民邮电出版社, 2018.7（2019.5重印）

NumPy的导入

• 外部库的安装：

  1.在命令行界面直接运行

  pip install numpy
  

  2.使用anaconda虚拟环境，使用conda命令

  conda activate 虚拟环境路径地址
  conda install numpy
  

• 库的导入

  import numpy as np  # 导入库的常用语句，导入NumPy库并重命名为np
  

NumPy一维数组(向量)基础操作

import numpy as np

"""NumPy一维数组相关运算"""

x = np.array([1.0, 2.0, 3.0])  # 生成numpy数组
y = np.array([2.0, 4.0, 6.0])  # 生成numpy数组

print(f"x:{x}")
print(f"y:{y}")

print(f"x + y = {x + y}")  # 对应元素相加
print(f"x * y = {x * y}")  # 对应元素相乘
print(f"x / y = {x / y}")  # 对应元素相除

print(f"x / 2.0 = {x / 2.0}")  # numpy数组的各个元素和标量之间进行运算(广播功能)

注意：

1. 数组x和数组y之间的运算需要注意，两个数组的元素个数必须保持一致，个数不同会报错。

2. 数组与单一的数值（标量）组合运算时，其底层原因是NumPy运算的广播功能。上面代码中数组与标量运算时，标量$2.0$会被扩展成$1\times 3$的向量。

NumPy的$N$维数组(矩阵)基础运算

import numpy as np

"""NumPy的N维数组(矩阵)相关运算"""

x = np.array([[1, 2], [3, 4]])  # 创建一个二维数组，即2×2的矩阵x
y = np.array([[5, 6], [7, 8]])

print(f"x:\n{x}")  # 打印输出x
print(f"y:\n{y}")  # 打印输出y
print(x.shape)  # 矩阵x的维数:2×2
print(x.dtype)  # 矩阵x中元素的类型

print(f"x + y = \n{x + y}")  # 对应元素相加
print(f"x * y = \n{x * y}")  # 对应元素相乘

print(f"x * 10=\n{x * 10}")  # x矩阵每个元素都乘10

注意：

1. 上述NumPy的矩阵运算与线性代数中的矩阵运算方式不同，上述代码中矩阵乘法是对应元素相乘。
2. 矩阵与标量的运算同样遵循广播规则。

广播

矩阵与标量10相乘时，标量10被扩展成了$2\times 2$的形状，然后再与矩阵进行乘法运算，这个功能称为广播。(《深度学习入门：基于Python的理论与实现》P14,1.5.5节)

广播不止会应用在矩阵和标量的运算中，不同形状的数组之间也可以进行运算。

import numpy as np

x = np.array([[1, 2], [3, 4]])
y = np.array([10, 20])

print(f"x * y = \n{x * y}")

注意：

1. 即使有广播功能，但是矩阵的列数应该保持一致，否则同样会报错。

Numpy矩阵元素的访问

NumPy矩阵的元素访问同数组一样，索引下标从0开始。

import numpy as np

"""NumPy矩阵元素的访问"""

x = np.array([[1, 2], [3, 4], [5, 6]])

print(f"x:\n{x}")

print(f"x[0]: {x[0]}")  # x矩阵的第0行[1, 2]
print(f"x[0][1]: {x[0][1]}")  # x矩阵的第0行下标索引为1的元素2

NumPy可以使用数组访问各个元素：

使用这种方式可以快速提取出数组中满足一定条件的元素

import numpy as np

"""NumPy矩阵元素的访问"""

x = np.array([[1, 2], [3, 4], [5, 6]])

print(f"x:\n{x}")

x = x.flatten()  # 将x矩阵转换为一维数组(向量)
print(f"x:{x}")

print(f"{x[np.array([0, 1, 3])]}")  # 使用数组访问x中索引为0, 1, 3的各个元素

print(f"{x[x>3]}")  # 输出x中大于3的元素

注意：

1. NumPy数组使用不等号运算符，结果会得到一个布尔型的数组，上面代码中最后一行原理就是根据这个布尔型数组，取出值大于3结果为True对应的元素。

参考书籍：
深度学习入门 : 基于Python的理论与实现 / (日) 斋藤康毅著 ; 陆宇杰译. – 北京 : 人民邮电出版社, 2018.7（2019.5重印）