Python编程深度学习计算库之numpy

Python  /  管理员 发布于 7年前   221

NumPy是python下的计算库，被非常广泛地应用，尤其是近来的深度学习的推广。在这篇文章中，将会介绍使用numpy进行一些最为基础的计算。

NumPy vs SciPy

NumPy和SciPy都可以进行运算，主要区别如下

最近比较热门的深度学习，比如在神经网络的算法，多维数组的使用是一个极为重要的场景。如果你熟悉tensorflow中的tensor的概念，你会非常清晰numpy的作用。所以熟悉Numpy可以说是使用python进行深度学习入门的一个基础知识。

安装

liumiaocn:tmp liumiao$ pip install numpyCollecting numpy Downloading https://files.pythonhosted.org/packages/b6/5e/4b2c794fb57a42e285d6e0fae0e9163773c5a6a6a7e1794967fc5d2168f2/numpy-1.14.5-cp27-cp27m-macosx_10_6_intel.macosx_10_9_intel.macosx_10_9_x86_64.macosx_10_10_intel.macosx_10_10_x86_64.whl (4.7MB)  100% || 4.7MB 284kB/s Installing collected packages: numpySuccessfully installed numpy-1.14.5liumiaocn:tmp liumiao$

确认

liumiaocn:tmp liumiao$ pip show numpyName: numpyVersion: 1.14.5Summary: NumPy: array processing for numbers, strings, records, and objects.Home-page: http://www.numpy.orgAuthor: Travis E. Oliphant et al.Author-email: NoneLicense: BSDLocation: /usr/local/lib/python2.7/site-packagesRequires: Required-by: liumiaocn:tmp liumiao$

使用

使用numpy的数组

使用如下例子简单来理解一下numpy的数组的使用：

liumiaocn:tmp liumiao$ cat np-1.py #!/usr/local/bin/pythonimport numpy as nparr = [1,2,3,4]print("array arr: ", arr)np_arr = np.array(arr)print("numpy array: ", np_arr)print("doulbe calc : ", 2 * np_arr)print("ndim: ", np_arr.ndim)liumiaocn:tmp liumiao$ python np-1.py ('array arr: ', [1, 2, 3, 4])('numpy array: ', array([1, 2, 3, 4]))('doulbe calc : ', array([2, 4, 6, 8]))('ndim: ', 1)liumiaocn:tmp liumiao$

多维数组&ndim/shape

ndim在numpy中指的是数组的维度，如果是2维值则为2，在下面的例子中构造一个步进为2的等差数列，然后将其进行维度的转换同时输出数组的ndim和shape的值以辅助对于ndim和shape含义的理解。

liumiaocn:tmp liumiao$ cat np-2.py #!/usr/local/bin/pythonimport numpy as nparithmetic = np.arange(0,16,2)print(arithmetic)print("ndim: ",arithmetic.ndim," shape:", arithmetic.shape)#resize to 2*4 2-dim arrayarithmetic.resize(2,4)print(arithmetic)print("ndim: ",arithmetic.ndim," shape:", arithmetic.shape)#resize to 2*2*2 3-dim arrayarray = arithmetic.resize(2,2,2)print(arithmetic)print("ndim: ",arithmetic.ndim," shape:", arithmetic.shape)liumiaocn:tmp liumiao$ python np-2.py [ 0 2 4 6 8 10 12 14]('ndim: ', 1, ' shape:', (8,))[[ 0 2 4 6] [ 8 10 12 14]]('ndim: ', 2, ' shape:', (2, 4))[[[ 0 2] [ 4 6]] [[ 8 10] [12 14]]]('ndim: ', 3, ' shape:', (2, 2, 2))liumiaocn:tmp liumiao$ 

另外也可以使用reshape进行维度的调整。

等差数列&等比数列

numpy和matlab写起来有很多函数基本一样，比如等比数列和等差数列可以使用linspace和logspace进行。

logspace缺省的时候指的是以10给底，但是可以通过指定base进行设定

liumiaocn:tmp liumiao$ cat np-3.py #!/usr/local/bin/pythonimport numpy as npprint("np.linspace(1,4,4):", np.linspace(1,4,4))print("np.logspace(1,4,4):", np.logspace(1,4,4))print("np.logspace(1,4,4,base=2):",np.logspace(1,4,4,base=2))liumiaocn:tmp liumiao$ python np-3.py ('np.linspace(1,4,4):', array([1., 2., 3., 4.]))('np.logspace(1,4,4):', array([  10.,  100., 1000., 10000.]))('np.logspace(1,4,4,base=2):', array([ 2., 4., 8., 16.]))liumiaocn:tmp liumiao$

数组初始化

numpy提供了很方便的初始化的函数，比如

liumiaocn:tmp liumiao$ cat np-4.py #!/usr/local/bin/pythonimport numpy as npprint("np.zeros(6):",np.zeros(6))print("np.zeros((2,3)):",np.zeros((2,3)))print("np.ones(6):",np.ones(6))print("np.ones((2,3)):",np.ones((2,3)))print("np.random.random(6):",np.random.random(6))print("np.random.random(6):",np.random.random(6))print("np.random.random((2,3)):",np.random.random((2,3)))print("np.random.seed(1234)")np.random.seed(1234)print("np.random.random(6):",np.random.random(6))print("np.random.seed(1234)")np.random.seed(1234)print("np.random.random(6):",np.random.random(6))liumiaocn:tmp liumiao$ python np-4.py ('np.zeros(6):', array([0., 0., 0., 0., 0., 0.]))('np.zeros((2,3)):', array([[0., 0., 0.],    [0., 0., 0.]]))('np.ones(6):', array([1., 1., 1., 1., 1., 1.]))('np.ones((2,3)):', array([[1., 1., 1.],    [1., 1., 1.]]))('np.random.random(6):', array([0.06909968, 0.27468844, 0.59127996, 0.56973602, 0.45985047,    0.95384945]))('np.random.random(6):', array([0.62996648, 0.2824114 , 0.2698051 , 0.09262053, 0.50862503,    0.96600255]))('np.random.random((2,3)):', array([[0.66880129, 0.8834006 , 0.49458989],    [0.28335563, 0.65711274, 0.76726504]]))np.random.seed(1234)('np.random.random(6):', array([0.19151945, 0.62210877, 0.43772774, 0.78535858, 0.77997581,    0.27259261]))np.random.seed(1234)('np.random.random(6):', array([0.19151945, 0.62210877, 0.43772774, 0.78535858, 0.77997581,    0.27259261]))liumiaocn:tmp liumiao$

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家的支持。如果你想了解更多相关内容请查看下面相关链接