参考书籍和文献:
《深度学习入门:基于Python的理论与实现》
前言
在深度学习的实现中,往往会用到数组和矩阵的计算,此时Numpy中的数组库提供了许多快捷的方法。
1、NumPy
首先我们需要引入Numpy库。
import numpy as np
这样我们在引用numpy库的时候就给可以用np来代替。
1.1 NumPy数组
生成numpy数组可以使用np.array的方法
1.2 NumPy数组计算
正如案例中的numpy中的加减乘除都是逐项进行的,因此如果x和y的元素个数不相同的话,那么程序就会报错,但是有种情况例外,那就是广播。
1.3 NumPy的N维数组
在本书中一般将一维数组称为向量,二维数组称为矩阵,三维甚至高维数组称为张量或者多维数组。NumPy数组可以生成任意维数的数组。比如说
1.4 广播
在广播中我们可以将一个矩阵跟一个标量进行乘法计算。比如下面这个例子:
除此之外一位数组和二维数组也可以进行运算,比如说:
可以看出B数组转换成了与A数组相同的形状进行运算。
1.5 访问
NumPy中的访问可以大致分成三种情况:
1、从索引访问:
2、通过循环语句访问:
3、通过数组访问:
同时通过这个标记,我们可以获取一定条件的元素: