《深度学习之Pytorch实战计算机视觉》阅读笔记 第五章：Python基础

1. Python基础

https://github.com/Davelmk/Python-Code

2. Numpy

  • 创建多维数组

    1. import numpy as np
    2. np.array([1,2,3],[4,5,6])
    3. np.ones([2,3])
    4. np.zeros([2,3])
    5. np.empty([2,3])

  • 常用属性

1）ndim：返回统计的数组维数，即维度的常量
2）shape：返回数组的维度值
3）size：返回要统计数组中元素的总数量
4）dtype：返回数组元素的数据类型
5）itemsize：返回数组中每个元素的字节大小

  • 基本操作
    • + , - , * , /
    • 自身运算：min（数组中最小元素）；max（数组中最大元素）；sum（对数组中所有的元素进行求和）；exp（对数组中所有元素进行指数运算）；sqrt（对数组中所有的元素进行平方根运算）；square（对数组中所有元素进行平方运算）

axis可对参数进行不同的设置，axis=0针对数组的列，axis=1针对数组的行

  • 随机数组

    • seed：随机因子
    • rand：生成一个在[0,1]范围内满足均匀分布的随机样本数
    • randn：生成一个满足平均值为0且方差为1的正太分布随机样本数
    • randint：在给定的范围内生成类型为整数的随机样本数
    • binominal：生成一个维度指定且满足二项分布的随机样本数
    • beta：生成一个指定维度且满足beta分布的随机样本数
    • normal：生成一个指定维度且满足高斯正态分布的随机样本数
      1. import numpy as np 
      2. np.random.seed(42)
      3. print(np.random.rand(2,3)) 
      4. print(np.random.randn(2,3)) 
      5. print(np.random.randint(l,10)) 
      6. print(np.random.binomial(6,1)) 
      7. print(np.random.beta(2,3)) 
      8. print(np.random.norma1(2,3))

  • 索引、切片、迭代

    1. import numpy as np
    2. a= np.array([[1 , 2 , 3], [4 , 5, 6], [7 , 8 , 9]])
    3. print (a)     ＃输出整个数组
    4. print ("-" * 10)
    5. print(a[1])     ＃输出指定维度的数据 
    6. print （"－"*10) 
    7. print(a[0:2 , 1:3])    ＃输出指定维度的数据

3. Matplotlib

  • 创建图 ```python import matplotlib.pyplot as plt import numpy as np

np.random.seed(42) x=np.random.randn(30) plt.plot(x,’r—o’)

  2. - 图的属性
  4. ![](https://cdn.nlark.com/yuque/0/2019/png/144190/1565509143062-e22ebdb1-26d0-4545-a7de-ab6c79e99ac4.png#crop=0&crop=0&crop=1&crop=1&height=801&id=fUgMl&originHeight=801&originWidth=628&originalType=binary&ratio=1&rotation=0&showTitle=false&size=0&status=done&style=none&title=&width=628)
  6. - 标签和图例
  7. ```python
  8. import matplotlib.pyplot as plt
  9. import numpy as np
  11. np.random.seed(42)
  12. x=np.random.randn(30)
  13. y=np.random.randn(30)
  15. plt.title('Example')
  16. plt.xlabel('X')
  17. plt.ylabel('Y')
  • 子图 ```python import matplotlib.pyplot as plt import numpy as np

a=np.random.randn(30) b=np.random.randn(30) c=np.random.randn(30) d=np.random.randn(30)

fig=plt.figure() ax1=fig.add_subplot(2,2,1) ax2=fig.add_subplot(2,2,2) ax3=fig.add_subplot(2,2,3) ax4=fig.add_subplot(2,2,4)

A,=ax1.plot(a,’r—o’) ax1.legend([A],[“A”]) B,=ax1.plot(b,’b-*’) ax2.legend([B],[“B”]) C,=ax3.plot(c,’g-.+’) ax3.legend([C],[“C”]) D,=ax4.plot(d,’m:x’) ax4.legend([D],[“D”]) ```