网站服务器做下载链接,深圳高端网站制作多少钱,湖南做网站价格,实时新闻热点#x1f935;♂️ 个人主页: AI_magician #x1f4e1;主页地址#xff1a; 作者简介#xff1a;CSDN内容合伙人#xff0c;全栈领域优质创作者。 #x1f468;#x1f4bb;景愿#xff1a;旨在于能和更多的热爱计算机的伙伴一起成长#xff01;#xff01;… ♂️ 个人主页: AI_magician 主页地址 作者简介CSDN内容合伙人全栈领域优质创作者。 景愿旨在于能和更多的热爱计算机的伙伴一起成长 ♂️声明本人目前大学就读于大二研究兴趣方向人工智能硬件虽然硬件还没开始玩但一直很感兴趣希望大佬带带 【深度学习 | 核心概念】那些深度学习路上必经的核心概念确定不来看看 一 作者 计算机魔术师 版本 1.0 2023.8.27 摘要 本系列旨在普及那些深度学习路上必经的核心概念文章内容都是博主用心学习收集所写欢迎大家三联支持本系列会一直更新核心概念系列会一直更新欢迎大家订阅 该文章收录专栏 [✨— 《深入解析机器学习从原理到应用的全面指南》 —✨] Numpy
Numpy 在数值运算上效率优于python内置的list, 所以熟练掌握是必要的。
Numpy主要分为两个核心部分N维数组对象 Ndarry 和 通用函数对象 Ufunc, 一个数据结构一个操作的算法下面是关于NumPy库的各个常用模块
中文名称英文名称介绍解决场景数组对象ndarray (N-dimensional array)多维数组对象用于存储同类型的元素支持矢量化操作和广播运算。数值计算、线性代数、统计分析等通用函数Universal Functions (ufunc)快速的元素级数组函数对数组中的元素逐个进行操作支持矢量化运算。数值计算、数学运算、逻辑运算等索引和切片Indexing and Slicing用于访问和修改数组中的元素可以通过索引、切片和布尔掩码进行操作。数据访问、数据修改、数据筛选等广播Broadcasting对不同形状的数组进行自动的元素级运算使得不同尺寸的数组可以进行计算。处理形状不同的数组、矩阵运算等线性代数Linear Algebra提供了线性代数运算的函数如矩阵乘法、特征值分解、奇异值分解等。线性代数计算、矩阵运算等随机数Random Sampling (random)生成各种概率分布的随机数包括均匀分布、正态分布、泊松分布等。模拟实验、概率分析、随机抽样等快速傅里叶变换Fast Fourier Transform (fft)提供了快速傅里叶变换算法用于信号处理、图像处理和频谱分析等。信号处理、频谱分析、图像处理等文件输入输出File Input/Output (IO)读取和写入数组数据到磁盘文件支持多种数据格式如文本文件、二进制文件等。数据存储、数据读取、数据导出等结构化数组Structured Arrays创建和操作具有复合数据类型结构体的数组可以指定字段名称和数据类型。处理结构化数据、数据库操作等掩码数组Masked Arrays在数组中使用掩码标记无效或缺失的数据进行计算时可以自动忽略掩码元素。缺失数据处理、数据过滤等
Ndarray
数组属性
当谈论NumPy数组的属性时我们通常指的是数组对象本身的一些特征和元数据。下面是一些常见的NumPy数组属性及其说明我将以Markdown表格的形式呈现给你。
名称说明shape数组的维度表示每个维度的大小。例如(3, 4) 表示一个二维数组有3行和4列。dtype数组元素的数据类型例如int64、float32、bool等。ndim数组的维度数量也称为数组的秩。例如二维数组的ndim为2。size数组中元素的总数等于各个维度大小的乘积。itemsize数组中每个元素的字节大小。例如int64类型的元素占8个字节。nbytes数组中所有元素的总字节数等于itemsize * size。real复数数组的实部。对于实数数组返回数组本身。imag复数数组的虚部。对于实数数组返回全零数组。flat返回一个迭代器用于以扁平化方式迭代数组中的元素。strides表示在每个维度上需要移动多少字节来获取下一个元素。data数组的缓冲区包含数组的实际元素。
创建数组
当使用NumPy库处理数据时有多种方法可以创建数组。下面是一些常用的方法并以Markdown表格的形式列出它们的名称和说明
名称说明numpy.array()从列表、元组或其他数组对象创建一个NumPy数组。numpy.zeros()创建一个指定形状的全零数组。numpy.ones()创建一个指定形状的全1数组。numpy.empty()创建一个指定形状的空数组数组元素的值是未初始化的。numpy.arange()根据指定的开始值、结束值和步长创建一个一维数组。numpy.linspace()在指定的开始值和结束值之间创建一个一维数组可以指定数组的长度。numpy.logspace()在指定的开始值和结束值之间以对数刻度创建一个一维数组。numpy.eye()创建一个具有对角线为1的二维数组其他位置为0。
import numpy as np# numpy.array()
arr np.array([1, 2, 3]) # 参数: 输入的列表、元组或其他数组对象# numpy.zeros()
zeros_arr np.zeros((3, 3)) # 参数: 形状# numpy.ones()
ones_arr np.ones((2, 2)) # 参数: 形状# numpy.empty()
empty_arr np.empty((2, 2)) # 参数: 形状# numpy.arange()
arange_arr np.arange(0, 10, 2) # 参数: 开始值、结束值、步长# numpy.linspace()
linspace_arr np.linspace(0, 1, 5) # 参数: 开始值、结束值、数组长度# numpy.logspace()
logspace_arr np.logspace(0, 3, 4) # 参数: 开始指数、结束指数、数组长度# numpy.eye()
eye_arr np.eye(3) # 参数: 数组的大小# numpy.random.rand()
rand_arr np.random.rand(3, 3) # 参数: 形状# numpy.random.randn()
randn_arr np.random.randn(2, 2) # 参数: 形状# numpy.random.randint()
randint_arr np.random.randint(0, 10, (2, 2)) # 参数: 最小值、最大值、形状# numpy.full()
full_arr np.full((2, 2), 7) # 参数: 形状、填充值# numpy.tile()
tile_arr np.tile([1, 2], 3) # 参数: 数组、重复次数# numpy.repeat()
repeat_arr np.repeat([1, 2, 3], 3) # 参数: 数组、重复次数到这里如果还有什么疑问欢迎私信博主问题哦博主会尽自己能力为你解答疑惑的如果对你有帮助你的赞是对博主最大的支持
