1 python基础

看的一本书：深度学习之PyTorch实战计算机视觉。怕以后找不到，所以先放在这里。

---

 

列表 []

list1 = list2;

元组 ()

元组内的元素不能重新赋值。也被成为只读列表

字典 {}

dict_info={"name":"tang", "num":7227, "city":"GL"}

---

算数运算符 a=5,b=2

/ :相除运算  a/b=2.5

%： 取模运算 a%b=1

** ：求幂运算 a**b=25

// :取整运算 a//b=2

---

布尔运算符

and,or,not

---

 

成员运算符 in

list1 = ["i","am","super","man"]

a = "super"

print(a in list1)

运行结果：True

---

 

身份运算符 is,is not

is:两个变量是否属于一个对象，即内存地址是否一样

==：仅仅比较两个变量的值是否相等

---

 

Python中的类

创建： class

类变量：在创建的类中定义的一些变量，类变量在所有实例之间是共享的，同时内部类和外部类也可以访问。

__init__():类的初始化方法，创建类的实例时会调用

self:代表类的实例，在定义类的方法时必须要有，但是在调用时不必传入参数。

class Student:
    studentCount =0
    def __init__(self, name, age):
        self.name = name
        self.age = age
        studentCount += 1

    def dis_student(self):
        print("studentName:", self.name, "studentAge:", self.age)

student1 = Student("Tang", "20")
student1.dis_student()

输出：

studentName：Tang studentAge:20

---

Numpy

import numpy as np

多维数组

np.arrange(2000) 创建有2000个元素的数组，从0到1999

np.array([[1,2,3],[4,5,6]])

np.ones([2,3])创建2行3列全为1的元素

np.zeros([2,3])创建2行3列全为0的元素

np.empty([2,3])随机初始化

a = np.ones([2,3])

a.ndim   #2,数组维度

a.shape #(2,3),输出形状

a.size #6,元素个数

a.dtype #返回数组的数据类型

a.itemsize #返回数组中每个元素的字节大小

np,matrix搭建矩阵

多维数组的基本操作

a = np.array([[1,2,3],[4,5,6]])

a.min(axis=0) #axis=0针对数组的列，求最小值，axis=1针对数组的行

a.max(axis=0) #axis=0针对数组的列，求最大值

a.sum(axis=0) #axis=0针对数组的列，求总和

a.exp #对数组中的所有元素进行指数运算

a.sqrt #对数组中的所有元素进行平方根运算

a.square #对数组中的所有元素进行平方运算

随机数组

seed :随机因子，在随机数生成器的随机因子被确定后，无论我们运行多少次随机程序，最后生成的数字都是一样的，有利于结果的复现  np.random.seed(22)

rand: 生成一个在[0,1)范围内满足均匀分布的随机样本数。          np.random.rand(2,3)

randn:生成一个满足均值是0，方差是1的正态分布随机样本数     np.random.randn(2,3)

randint: 在给定范围内生成类型为整数的随机样本数

binomial:生成一个维度指定而且满足二项分布的随机样本数

beta:生成一个维度指定而且满足beta分布的随机样本数

normal:生成一个维度指定而且满足高斯正态分布的随机样本数

索引，切片，迭代

print(a[:5]) 输出数组的前5个元素

a = np.array([[1,2,3]

　　　　　　[4,5,6]

　　　　　　[7,8,9]])

print(a[0:2, 1:3])

输出：

[[2,3]

 [5,6]]

a是多维数组，a.flat是将其进行扁平化处理，变成一维数组。