深度学习中常用的numpy方法

numpy.array()方法生成数组，接收Python列表作为参数。

x = np.array([1.0, 2.0, 3.0])

numpy.arange()生成指定范围数组

numpy.shape()查看数组形状

numpy.dtype()查看矩阵元素数据类型

数学上把一维数组成为向量，二维数组成为矩阵。一般化后的向量或矩阵称为张量。

numpy的广播机制可以使数组和标量进行运算，标量会被自动补全为和数组相同的形状。

numpy.flatten()转化为一维数组。

numpy.sum()计算数组所有元素之和。

numpy.astype()转换数组类型，通过参数指定期望类型。

np.astype(np.int)

numpy.maximum()从输入的数值中选择较大的值输出。

numpy.ndim()获取数组维数。

numpy.dot()计算数组乘积，也叫点积。可以一次计算数组中所有元素的值，而不必使用for语句逐个计算。

numpy.reshape()更改数组形状。

numpy.argmax()取出数组中的最大值索引。可以给参数axis=0或1，对应在矩阵的相应维数寻找最大元素的索引，第0维是列方向，第1维是行向量。

numpy.meshgrid()将多个数组拼成一个整体，例如

x0 = np.arange(-2, 2.5, 0.25)
x1 = np.arange(-2, 2.5, 0.25)
X, Y = np.meshgrid(x0, x1)
    

表示将x0和x1拼成一个二维坐标系，横坐标赋值给X，纵坐标赋值给Y，而且X,Y要对应。

numpy.zeros_like()生成相同形状数组，且元素值均为0。

numpy.ones()生成指定形状一维数组，且元素个数均为1。

numpy.convolve()对两个数组进行卷积操作，固定一个数组，另一个数组逐个元素平移与对应元素相乘相加。