在深度学习的实现中,经常出现数组和矩阵的计算。NumPy的数组类
(numpy.array)中提供了很多便捷的方法,在配置好的python环境中首先安装numpy库,可以在win+r出现的cmd命令中安装或者anaconda的终端安装,步骤省。代码为:
pip install numpy
在运用numpy时,需要先导入,
import numpy as np
,
import numpy as np
print("hello")
x=np.array([[1,2],[3,4],[5,6]])
y=np.array([[2,3],[4,1],[0,0]])
for row in x:
print(row) #遍历每行数组
x = x.flatten() #将x转为一维数组
print(x) #打印出一维数组值
print(x[np.array([0,2])]) #输出x转换后数组索引为0,2的元素
运行结果如下:
在深度学习的实验中,图形的绘制和数据的可视化常用Matplotlib
库。具体讲解与代码如下:
import numpy as np
import matplotlib.pyplot as plt
#生成参数,按照0.1为单位,生成范围是0到6
x=np.arange(0,6,0.1) #使用NumPy的arange方法生成了[0, 0.1, 0.2, .... 5.8, 5.9]的数据
y1=np.sin(x) #将生成的数据设为x。对x的各个元素,应用NumPy的sin函数np.sin()
y2=np.cos(x)
#绘制图像
plt.plot(x,y1,label='sin') #横轴是x,纵轴是sinx图像,
plt.plot(x,y2,label="cos",linestyle='--') #横轴是x,纵轴是cosx图像,样式是虚线
#将x, y1,y2的数据传给plt.plot方法,然后绘制图形
plt.xlabel("x") #x轴的标签
plt.ylabel("y")
#整个图像标题是sin & cos
plt.title("sin & cos")
plt.legend(title="sin&&cos",edgecolor="green") #用图例也就是生成图像左下角的图例标题和边框颜色
plt.show()
#展示图形
生成图像如下:
pyplot 中还提供了用于显示图像的方法 imshow()。也可以使用
matplotlib.image模块的imread()方法读入图像,但是图片路径需要正确设定好
代码块为:
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.image import imread
img = imread('9.jpg')
plt.imshow(img)
plt.show()
结果如下: