NumPy 学习笔记
NumPy
import numpy as np
创建向量：
np.zeros(4) # [0. 0. 0. 0.]
np.random.random_sample(4) # [0.13874093 0.76087955 0.17028386 0.10573206]
np.arange(4.) # [0. 1. 2. 3.] 加 . 号代表浮点数
np.random.rand(4) # [0.30553381 0.00115535 0.71271101 0.65088795]
np.array([5,4,3,2]) # [5 4 3 2]
np.array([5.,4,3,2]) # [5. 4. 3. 2.]，np 矩阵的元素类型必须相同
元素相关的运算：
a = np.array([1,2,3,4])
b = -a
b = a**2
b = np.sum(a)
b = np.mean(a)
点积：
a = np.array([1, 2, 3, 4])
b = np.array([-1, 4, 3, 2])
c = np.dot(a, b)
在使用
np.dot()函数时 NumPy 会自动利用底层硬件中的可用数据并行机制来加速计算
创建矩阵：
a = np.zeros((1, 5))
# [[0. 0. 0. 0. 0.]]
a = np.zeros((2, 1))
# [[0.]
# [0.]]
np.zeros_like(a)
# [[0.]
# [0.]]
np.random.random_sample((1, 1))
# [[0.44236513]]
a = np.array([[5],
[4],
[3]]);
# [[5]
# [4]
# [3]]
矩阵操作：
a = np.arange(6).reshape(-1, 2) # -1 表示根据另一项的值自动计算。这里相当于 (3, 2)
# [[0 1]
# [2 3]
# [4 5]]
a[2,0] # 4。相当于 a[2][0]
a = np.arange(20).reshape(-1, 10)
# [[ 0 1 2 3 4 5 6 7 8 9]
# [10 11 12 13 14 15 16 17 18 19]]
a[0, 2:7:1]
# [2 3 4 5 6]
a[:, 2:7:1]
# [[ 2 3 4 5 6]
# [12 13 14 15 16]]
# 获取矩阵形状
m = x_train.shape[0] # 等价于 len(x_train)