Python | Neural Network for Beginners学习笔记

yatingliu2019

已于 2023-03-08 10:17:31 修改

阅读量365

点赞数 1

分类专栏：人工智能专业书籍阅读笔记文章标签：学习开发语言 python

于 2022-10-22 22:49:37 首次发布

本文链接：https://blog.csdn.net/qq_51870267/article/details/127468798

版权

人工智能专业书籍阅读笔记专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本文介绍了Python的基础知识，包括环境配置、基本数据类型、运算符、控制结构和函数。接着讲解了Numpy库的基本操作，如创建数组、数学运算和广播机制。此外，还探讨了Matplotlib库的简单绘图功能，展示了如何绘制图表和处理图像。最后，文章引入了感知器的概念，解释了其在逻辑门和多层神经网络中的应用。

摘要由CSDN通过智能技术生成

书名

chapter 1 Use Python

1.准备：

Matplotlib Python3 Numpy

新建anaconda环境后，启动，检查环境：

2. 基本函数：

#建立anaconda虚拟环境 命名python341 python版本3.4.1
conda create --name python341 python=3.4.1

#命令串口启动虚拟环境
activate python341

#查看python版本
python --version

#启动python
python

#Mathematical operations 运算：加+  减-  乘*  除/  幂**

#Datatypes 类型：查看type()

#Variables 变量：答应print()

#Lists 列表：序号从 0 开始
x = [1, 2, 3, 4, 5] 
print(x) # -> [1, 2, 3, 4, 5]
len(x) # -> 5
x[0:2] # -> [1, 2] 0号开始，数2个
x[1:] # -> [2, 3, 4, 5] 1号开始，到最后
x[:3] # -> 0号开始，数3个
x[:-1] # -> 0号开始，到倒数第2个
x[:-2] # -> 0号开始，到倒数第3个

#Dictionaries 字典：key-value
a = {'weight' = 65}#创建
a['height'] = 190 #加入新的元素
print(a)  # -> {'weight': 65, 'height': 190}

#Boolean 布尔：True False
a = True
b = False
not a # -> False 非运算
a and b # -> False 与运算
a or b # -> True 或运算

#If statements：if True: ,else: 

#For statements：for ... in ... :

#Functions：def name (values):

#save 保存：在cmd中运行python文件，必须先要设置python的环境变量，之后
F:#打开F盘
cd F:\研0\nerual\Neural-Network-for-Beginners-main\Chapter 01 #move to the directory
python HelloWorld.py

#Classes 类：
class name:
    def __init__(self, argument, ...):
    def method name 1(self, argument, ...):

3.Numpy 基本函数

#Numpy
import numpy as np

#创建array排列
a = np.array([5.0, 15.0, 10.0])
print(a) # -> [5. 15. 10.]
type(a) # -> 格式<class 'numpy.ndarray'>

#Mathematical operations in Numpy：+ - * /（排列对应对应元素运算）

多维排列：

#N-dimensional多维
x = np.array([[5, 6], [7, 8]])
print(x)
# -> [[5 6]
#    [7 8]]
x.shape # -> 大小 (2, 2)
d.dtype # -> 格式dtype('int32')

Broadcasting：

#Broadcasting 广播：扩展元素至同大小 用于numpy构建神经网络
x = np.array([[1, 2], [3, 4]])
y = np.array([10, 20])
x * y
# -> array([[10,40],
#       [30, 80]])

broadcasting

访问排列元素：

#Accessing elements访问元素：序号从0号开始
A = np.array([[21, 25],[54, 59], [0, 4]])
A[0] # -> array([21, 25]) 0号行
A[0][1] # -> 25 (0,1)元素
for i in A:
    print(i)  # -> [21 25](/n)[54 59](/n)[0 4]
A = A.flatten() # -> [21 25 54 59 0 4] 展平
A[np.array([0, 2, 4])] # -> array([21, 54, 0]) 取0号、2号、4号构成新array
A > 15 # -> array([True, True, True, True, False, False]) 判断array为bool型
A[A>15] # -> array([21, 25, 54, 59]) 取满足条件的元素构建新的array

4.Matplotlib 基本函数

draw a simple：

#Matplotlib
#draw a simple
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 8, 0.2) # 排列：从0到8，间隔0.2
y = np.sin(x)
plt.plot(x, y, linestyle="-")
plt.show()

Feature of pyplot：

#Matplotlib
#Feature of pyplot
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 8, 0.2) # 排列：从0到8，间隔0.2
y1 = np.sin(x)
y2 = np.cos(x)
plt.plot(x, y1, label="sin")
plt.plot(x, y2, linestyle="-", label="cos")
plt.xlabel("x") #横坐标
plt.ylabel("y") #纵坐标
plt.title('sin & cos') #标题
plt.legend() #图例
plt.show()

Displaying images：# ！ imshow()在matplotlib.pyplot，imread()在matplotlib.image
# ！ imread完，再imshow()

#Matplotlib
#Displaying images

#！！！ imshow()在matplotlib.pyplot，imread()在matplotlib.image
#!imread完， 再imshow()

#../返回上层文件夹找， ./同层文件夹中找
import matplotlib.pyplot as plt
from matplotlib.image import imread
img = imread('./dataset/demo.png')
plt.imshow(img)
plt.show()