《Python深度学习基于Pytorch》学习笔记

您所在的位置：网站首页 › pytorch 动态图机制 › 《Python深度学习基于Pytorch》学习笔记

《Python深度学习基于Pytorch》学习笔记

2023-06-14 02:17| 来源: 网络整理| 查看: 265

有需要这本书的pdf资源的可以联系我~

这本书不是偏向于非常详细的教你很多函数怎么用，更多的是交个基本使用，主要是后面的深度学习相关的内容。

1.Numpy提供两种基本的对象：ndarray（n维数组对象）（用于储存多维数据）和ufunc（通用函数对象，用于处理不同的数据）。

2.numpy的主要优点：ndarray提供了很多数组化的运算，并且可以快读对数组进行操作，不用写循环来操作。

3.numpy是外部的库，使用的话需要导入先，没有库可以安装。

4.使用时候要导入numpy

5.创建ndarry的方法

注意：

range是个范围一般是用在for里的

arange是一种快捷生成方式，几到几隔几个这种，或者直接生成然后reshape

array一般用于生成有具体内容的ndarry

import numpy as np #1.使用转换函数将现有的list或者元组转换为ndarry list1=[[3.14,2.17,0,1,2],[3,44,2.22,55,9]] nd1=np.array(list1) print(nd1) #2.use the random to generate the ndarry nd2=np.random.random([3,3]) print(nd2) #指定了seed之后就会生成固定的内容 nd3=np.random.random([3,3]) print(nd3) #3.使用便捷生成函数zeros、ones等,可可以将生成的结果进行保存 nd4=np.zeros((3,4),int)#默认是float类型 np.savetxt(X=nd4,fname='./test1.txt') print(nd4) #4.使用arange和linspace函数生成数组 nd4=np.arange(4,50,12)#4-50 per 12 ,no including 50 print(nd4) nd5=np.arange(9,-1,-2)#倒着生成需要在步长前添加- print(nd5) nd6=np.linspace(0,4,8)#在0-4之间均匀的生成8个，包含起点和终点,等差数列 print(nd6) nd7=np.logspace(0,4,8,base=2)#等比数列 print(nd7)

6.获取元素

#获取元素 nd8=np.random.random(10) print(nd8) print(nd8[3])#从0开始算，其实是第四个 print(nd8[3:6])#索引为3的开始一直到索引为5，不包括6 print(nd8[1:6:2])#索引1到索引5，每隔1个取一个 print(nd8[1:6:1])#每隔0个，也就是挨个取 print(nd8[::-2])#倒序每隔两个 nd9=np.arange(25).reshape([5,5]) print('nd9:',nd9) print('second and third row:',nd9[1:3,:])#指定行,先行后列 print('second and third row:',nd9[[1,2]])#指定行 print('second and third cloum:',nd9[:,1:3])#指定列 print(nd9[1:5,1:3])#先行后列 print('range[2,8]:',nd9[(nd9>2)&(nd9

【本文地址】

《Python深度学习基于Pytorch》学习笔记

《Python深度学习基于Pytorch》学习笔记

今日新闻

推荐新闻