gitchat训练营深度学习入门读书笔记

Python简介

自从20世纪90年代初Python语言诞生至今，它已被逐渐广泛应用于系统管理任务的处理和Web编程。

主要目的

• 用于搭建深度学习的神经网络和卷积神经网络
• 用于写python的网络爬虫爬取网页图片数据
• 用于图像处理
• 用于对个人学习有更深入的实践的理解

Python的安装

Python的版本

Python3.7 下载网址：Python官网

mac手动安装流程

1. mac自带版本 ，python2.7；
2. 如何切换版本，设置python的环境变量路径：
   • vi ~/.bash_profile查看环境变量文件
   • i切换入编辑模式
   • 切换python的环境变量
   • exit切换命令模式，：切换，wq保存并退出
   • source ～/.bash_profile

alias python2='/Library/Frameworks/Python.framework/Versions/2.7/bin/python2.7'
alias python3='/Library/Frameworks/Python.framework/Versions/3.6/bin/python3.6'
alias python=python3

4. 查看当前python版本以及python解释器位置: python --version和 which python；

anaconda安装

anaconda下载网址：anaconda官网
下载好点击同意或者下一步直接安装下去即可
安装好后，打开

可以看到home界面

但这时在Terminal输入conda指令是没有用的

• 配置anaconda环境变量
  终端中打开环境变量文件vi ~/.bash_profile，写入

  export PATH="/usr/anaconda3/bin:$PATH"
  

  就会得到下面的结果

  usage: conda [-h] [-V] command ...
  conda is a tool for managing and deploying applications, environments and packages.
  Options:positional arguments:
  command
  clean        Remove unused packages and caches.
  config       Modify configuration values in .condarc. This is modeled
               after the git config command. Writes to the user .condarc
               file (/Users/mac/.condarc) by default.
  create       Create a new conda environment from a list of specified
               packages.
  help         Displays a list of available conda commands and their help
               strings.
   info         Display information about current conda install.
  init         Initialize conda for shell interaction. [Experimental]
  install      Installs a list of packages into a specified conda
               environment.
  list         List linked packages in a conda environment.
  package      Low-level conda package utility. (EXPERIMENTAL)
  remove       Remove a list of packages from a specified conda environment.
  uninstall    Alias for conda remove.
  run          Run an executable in a conda environment. [Experimental]
  search       Search for packages and display associated information. The
               input is a MatchSpec, a query language for conda packages.
               See examples below.
  update       Updates conda packages to the latest compatible version.
  upgrade      Alias for conda update.
  optional arguments:
  -h, --help     Show this help message and exit.
  -V, --version  Show the conda version number and exit.
  conda commands available from other packages:
  build
  convert
  debug
  develop
  env
  index
  inspect
  metapackage
  render
  server
  skeleton
  verify
  

这时进入了base环境，即anaconda搭建时创造的环境

• 创建指定python版本的环境：
  conda命令create 创建，-n （可以省略）指定名称，python=指定python版本，packages需要用到的包。

conda create -n env_name list of packages 

• 进入环境

source activate env_name

• 退出环境

source deactivate

• 显示所有的环境

conda env remove -n env_name

回到anaconda界面，点击environment，可以看到安装好的所有配置

已经有了两个必要的库Numpy和Matplotlib

anaconda两个自带的库

• Numpy用来数值计算
• Matplotlib 用来画图，实现数据可视化
• anaconda侧重于数据分析

Python解释器的查看

• Terminal输入python --version可以查看到版本如下

Python 3.7.3

• 输入python ,可以打开python解释器：python解释器打开后，可以直接在终端编程

Python 3.7.3 (v3.7.3:ef4ec6ed12, Mar 25 2019, 16:52:21) 
[Clang 6.0 (clang-600.0.57)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> 

解释器中对话方式编程实例

1. 算术计算

>>> 1+2
3
>>> 6*6*6
216
>>> 7/5
1.4
>>> 3**3
27

• 但在 Python 3.x 中，整数除以整数的结果是小数（浮点数）。

2. 数据类型

• Python 中的 type() 函数可以用来查看数据类型。

>>> type(1)
<class 'int'>
>>> type(2.2)
<class 'float'>
>>> type("Hello World")
<class 'str'>

• 注意字符串类型需要加双引号表示

3. 变量

>>> x=10 #初始化
>>> print(x)
10
>>> x=3.14		#赋值
>>> print(x)
3.14
>>> y=20
>>> x*y
62.800000000000004
>>> type(x*y)
<class 'float'>

• python是动态判断变量类型的
• #可以用来做行注释

4. 列表

>>> a=[1,2,3]  #生成数组
>>> print(a)
[1, 2, 3]
>>> len(a)
3
>>> a[0]
1
>>> a[1]
2
>>> a[2]=99  #赋值
>>> print(a)
[1, 2, 99]

• Python 的列表提供了切片（slicing）这一便捷的标记法。

>>> b=[1,2,3,4,5,6,7,8,9]
>>> b[0:5]
[1, 2, 3, 4, 5]
>>> b[:3]
[1, 2, 3]
>>> b[4:]
[5, 6, 7, 8, 9]
>>> b[:-4]
[1, 2, 3, 4, 5]
>>> b[:-1]
[1, 2, 3, 4, 5, 6, 7, 8]

5. 字典

• 字典以键值对保存数据

>>> dic={"hello":180}
>>> dic["hello"]
180
>>> dic["world"]=170
>>> print(dic)
{'hello': 180, 'world': 170}

6. 布尔型

>>> sunny=True
>>> rain=False
>>> type(sunny)
<class 'bool'>
>>> not rain
True
>>> rain and sunny
False

7. if语句

>>> if sunny:
...     print("Nice day")
... else:
...     print("Rainy day")
... 
Nice day

• 当出现expected an indented block异常时，表示要代码缩进，python需要严格的代码缩进格式,缩进可以用tab，也可以用4个空白字符。

8. for语句

>>> for j in b:
...     print(j)
... 
1
2
3
4
5
6
7
8
9

9. 函数

>>> def hello():
...     print("Hello World!")
... 
>>> hello()
Hello World!

• 字符串的拼接可以使用 +。
  关闭python解释器时使用exit()或ctrl+d即可

Python脚本文件创建

在文本编辑器新建一个 hungry.py 的文件。hungry.py 只包含下面一行语句。
print("I'm hungry!")
必须要用文本编辑器，否则会出现以下错误
can't find '__main__' module in 'hungry.py'
接着，打开Terminal，移至 hungry.py 所在的位置。然后，将 hungry.py 文件名作为参数，运行 python 命令。这里假设 hungry.py 在~/Document 目录下

cd ~/Documents # 移动目录
Documents mac$ python hungry.py
I'm hungry!

类

下面我们通过一个简单的例子来创建一个类。这里将下面的程序保存为 man.py(在jupiter搭建的环境下)。

class Man:
    def __init__(self, name):
        self.name = name
        print("Initialized!")

    def hello(self):
        print("Hello " + self.name + "!")

    def goodbye(self):
        print("Good-bye " + self.name + "!")

    m = Man("David")
    m.hello()
    m.goodbye()

从终端运行 man.py。

$ python man.py
Initialized!
Hello David!
Good-bye David!

Numpy

导入 NumPy生成数组

• 先用Jupiter notebook搭建了环境

>>> import numpy as np
>>> x=np.array([1.0,2.0,3.0])
>>> print(x)
[1. 2. 3.]
>>> type(x)
<class 'numpy.ndarray'>

Numpy算术运算（element-wise）

数组 x 和数组 y 的元素个数是相同的

>>> y=np.array([2.0,5.0,1.0])
>>> x+y
array([3., 7., 4.])
>>> x*y
array([ 2., 10.,  3.])
>>> x/y
array([0.5, 0.4, 3. ])

单一的数值（标量）

>>> x/2
array([0.5, 1. , 1.5])

Numpy的N维数组

>>> A=np.array([[3,4],[1,5]])
>>> print(A)
[[3 4]
 [1 5]]
>>> A.shape
(2, 2)
>>> A.dtype
dtype('int64')

每一个[]代表一维的数组

• N维数组的算术运算

>>> B = np.array([[3, 0],[0, 6]])
>>> A+B
array([[ 6,  4],
       [ 1, 11]])
>>> A*B
array([[ 9,  0],
       [ 0, 30]])

1. 数学上将一维数组称为向量，将二维数组称为矩阵。
2. 可以将一般化之后的向量或矩阵等统称为张量（tensor）。
3. 本书基本上将二维数组称为“矩阵”，将三维数组及三维以上的数组称为“张量”或“多维数组”。

• 不同维度的数组之间的算术运算运用了广播的功能

>>> A*10
array([[30, 40],
       [10, 50]])

广播

在上例中标量 10 被扩展成了 2 × 2 的形状，然后再与矩阵 A 进行乘法运算。这个巧妙的功能称为广播（broadcast）。

>>> A = np.array([[1, 2], [3, 4]])
>>> B = np.array([10, 20])
>>> A * B
array([[ 10, 40],
       [ 30, 80]])

图 1-2　广播的例子 2[^1]

访问元素

1. 元素访问

>>> A[0]
array([3, 4])
>>> A[1][0]
1

2. for in语句访问每行元素

>>> for row in A:
...     print(row)
... 
[3 4]
[1 5]
>>> 

3. 数组访问指定元素

>>> A=A.flatten()
>>> print(A)
[3 4 1 5]
>>> A[np.array([0,1,3])]	#获取一维数组中索引为0，1，3的元素
array([3, 4, 5])
>>> A>2		#判断数组中满足条件的元素
array([ True,  True, False,  True])
>>> A[A>2]		#数组[condition]表示取满足条件的元素
array([3, 4, 5])

• 对 NumPy 数组使用不等号运算符等（上例中是 X > 15），结果会得到一个布尔型的数组。上例中就是使用这个布尔型数组取出了数组的各个元素（取出 True 对应的元素）。

Matplotlib

绘制简单图形

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt

# 生成数据
x = np.arange(0, 10, 1.0) # 以1.0为单位，生成0到10的数据
y = np.sin(x) # 对x中的每个数据求sin()值

# 绘制图形
plt.plot(x, y) # 绘制图形
plt.show() # 显示图形

• 注意加上%maplotlib inline ，可以在Jupiter Notebook中调用show()显示出来
  绘制图形如下：
  

Pyplot功能

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt

# 生成数据
x = np.arange(0, 6, 0.1) # 以0.1为单位，生成0到6的数据
y1 = np.sin(x)
y2 = np.cos(x)

# 绘制图形
plt.plot(x, y1, label="sin") # label曲线的标签名
plt.plot(x, y2, linestyle = "--", label="cos") # 用虚线绘制
plt.xlabel("x") # x轴标签
plt.ylabel("y") # y轴标签
plt.title('sin & cos') # 标题
plt.legend() # 显示图中的标签
plt.show()

绘制图形如下：

显示图像

%matplotlib inline
import matplotlib.pyplot as plt
from matplotlib.image import imread # 从A包中引入B函数语句
img = imread('/Users/mac/Documents/lena.png') # 读入图像（设定合适的路径！）
plt.imshow(img)
plt.show()

• pyplot 中还提供了用于显示图像的方法 imshow()。另外，可以使用 matplotlib.image 模块的 imread() 方法读入图像。
  显示图像如下：