Kapitel 1 Einführung in Python Schneiden Sie nur die guten Punkte des Deeplearning aus, die von Grund auf neu erstellt wurden

Python

Python wird in Colleges, Berufsschulen und Informatikklassen verwendet. Es wird auch von IT-Unternehmen wie Google, MS und FB verwendet. Wenn Sie maschinelles Lernen verwenden, heißt es Python.

Python-Version

Es gibt 2 Serien und 3 Serien. Dieses Mal werde ich alles in 3 Serien schreiben.

Externe Bibliothek

• Numpy
• Matplotlib

Python-Interpreter

Arithmetische Berechnung

>>> 1 - 2
-1
>>> 4 * 5
20
>>> 7 / 5
1.4
>>> 3 ** 2
9

Datentyp

>>> type(10)
int
>>> type(2.718)
float
>>> type('hello')
str

Variable

>>> x = 10
>>> print(x)
10
>>> x = 100
>>> y = 3.14
>>> x * y
314.0

aufführen

>>> a = [1,2,3,4,5]
>>> len(a)
5
>>> a[0]
1
>>> a[0:2]
[1,2]
>>> a[1:]
[2,3,4,5]
>>> a[:-1]
[1,2,3,4]

Wörterbuch

>>> me = {'height': 100 }
>>> me['height']
100

Boolescher Wert

>>> hungry = True
>>> sleepy = False

if-Anweisung

>>> hungry = True
>>> if hungry:
...  print('I'm hungry')
...

zur Aussage

>>> for i in [1,2,3]:

Funktion

>>> def hello():

Klasse

class name
    def __init__(self, xxx, xxx) # constructor
        ...

    def method1 # method1
        ...
    def method2 # method2
        ...

for expample

class Man
    def __init__(self, name)
        self.name = name
        print('init')

    def hello(self):
       print('hello' + self.name)

    def goodbye(self)
       print('goodby' + self.name)

Numpy

import

>>> import numpy as np

Sie können numpy als np lesen.

Sequenzgenerierung

>>> x = np.array([1.0,2.0,3.0])
>>> print(x)
[1.2.3.]
>>> type(x)
numpy.ndarray

Berechnung

>>> x = np.array([1.0, 2.0, 3.0])
>>> y = np.array([2.0, 4.0, 6.0])
>>> x + y
array([3., 6., 9.])
>>> x- y
array([-1., -2., -3.])
>>> x * y
array([2., 8., 18.])
>>> x / y
array([0.5, 0.5, 0.5])

>>> x = np.array([1.0, 2.0, 3.0])
>>> x/2.0
array([0.5, 1., 1.5])

Die Anzahl der Elemente von x und y muss gleich sein

N-dimensionales Array

>>> A = np.array([[1,2], [2,3]])
>>> print(A)
[
 [1,2]
 [3,4]
]
>>> A.shape
(2,2)
>>> A.dtype
dtype('int64')

>>> B = np.array([3,0], [0,6])
>>> A+B
array([4,2], [3,10])
>>> A*B
array([3,0], [0,24])
>>> print(A)
[[1 2] [3 4]]
>>> A * 10
[[10 20][30 40]]

Übertragung

A = np.array([1,2][3,4]) B = np.array([10, 20]) A*B array([10, 40][30, 80])

Zugriff auf Elemente

>>> X = np.array([51,55], [14,19], [0,4])
>>> print(X)
>>> X[0][1]
55

for row in X:
    print(row)

[51 55]
[14 19]
[0 4]

Umwandlung in ein eindimensionales Array

X = X.flattern()
[51 55 14 19 0 4]
>>> X[np.array([0, 2, 4])]
array([51, 14, 0])
>>> X > 15
array([T, T, F, T, F, F])
>>> X[X>15]
array([51,55,19])

Matplotlib

Zeichnen eines einfachen Diagramms

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(0, 6, 0.1)
y = np.sin(x)

plt.plot(x, y)
plt.show() ##Diagrammzeichnung

Pyplot-Funktion

• Es können mehrere Diagramme angezeigt werden
• Bilder können auch angezeigt werden