pytorch深度学习笔记(二）Jupyter Notebook的使用和Numpy基础知识

使用Jupyter Notebook

Jupyter Notebook（此前也被称为IPython Notebook）是一个交互式笔记本，支持多种编程语言。在需要文本和代码结合的场景下进行交流时，它是一个不可多得的首选环境。
Jupyter是Anconda默认安装的部分之一。所以已经安装Anconda的话，就可以马上进入Jupyter Notebook了。打开终端输入如下命令：

(base) C:\Users\Administrator>jupyter notebook

单机右上角的“New”按钮，选择类型为Python3的Notebook，创建一个可以运行Python的笔记本，如图：


在打开的界面下。尝试输入：

print ('hello jupyter!')

并按下Shift+Enter组合键之后，在单元格下面就会显示执行结果，光标也会被移动到一个新的单元格中。同时接下来尝试输入一段有意义的代码。例如：

（这个是语法有误之后的报错）

for i in range(10):
    if i%2 == 0:
        print(i)

这次我们单机这个符号运行：


紧接着你也可以对上面第一行代码进行修改，你会发现修改之后单元格下方的结果马上就变成新的内容，那么此次如果我们不想重现运行整个脚本，志向调和智能某一处单元格执行逻辑的话，这个特性就非常人性化，当然重新计算整个Notebook，只要单击Cell→Run All即可。另外，重命名：

Numpy基础知识

1.基本概念

 Numpy包的核心是ndarray对象。它封装了相同数据类型的n维数组，许多操作作为实现执行高性能，已经提前进行编译了。
 Numpy的数组类为ndarry,通常也被成为数组，但是和标准Python库类array并不相同，后者只处理一维数组和提供少量功能，更多重要的ndarray对象属性有：

 1. ndarray.ndim 数组轴的个数
 2. ndarray.shape 数组的维度。一个n排m列的矩阵，它的shape属性将是（n,m）
 3. ndarray.size 数组元素的总个数，例如：（n,m）的size属性值是n*m
 4. ndarray.dtype 一个用来描述数组中元素类型的对象，可以通过创造或指定dtype使用标准python类型。另外，Numpy提供它自己的数据类型
 5. ndarray.itemsize 数组中每个元素的字节大小。例如：一个元素类型为float64的数组itemsize属性值为8（64/8），又如，一个元素类型为complex32的数组item属性为4（32/8）
 6. ndarray.data 包含书籍数组元素的缓冲区，通常我们不需要使用这个属性，因为我们总是通过索引来使用数组中的元素。

注：这里讲一个函数np.arange
这是Numpy的官方链接，在这里你可以搜索你不懂的一些函数或者其他方法

numpy.arange([start,]stop,[step,]dtype=None,*,like=None)

star: 起始，整数或实数，可选
stop:停止，整数或实数
step:整数或实数，可选
dtype:输出数组的类型，如果未给出，则从其他输入参数推断数据类型。
像：array_like
引用对象，允许创建不是Numpy数组的数组。若传入的类似数组的数组***like***支持***__array__function__***协议，则将由它定义结果，在此种情况下，它确保创建与通过此参数传递的数组对象兼容的数组对象

2.创建数组

创建数组最常见的错误是包括用多个数值参数调用array，而不是提供一个由数值组成的列表作为一个参数。

a = np.array(1,2,3,4) 错误

a = np.array([1,2,3,4]) 正确

import numpy as np
a = np.array([2,3,4])
a

array([2, 3, 4])

a.dtype

dtype('int32')

b = np.array([1.2,3.5,5.1])
b.dtype

dtype('float