Chapitre 1 Introduction à Python Découpez uniquement les bons points de Deeplearning à partir de zéro

Python

python est utilisé dans les collèges, les écoles professionnelles et les cours d'informatique. Il est également utilisé par des sociétés informatiques telles que Google, MS et FB. Si vous utilisez l'apprentissage automatique, cela s'appelle Python.

Version Python

Il existe 2 séries et 3 séries. Cette fois, j'écrirai tout en 3 séries.

Bibliothèque externe

• Numpy
• Matplotlib

Interpréteur Python

Calcul arithmétique

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

Type de données

>>> 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

liste

>>> 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]

dictionnaire

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

Booléen

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

if déclaration

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

pour déclaration

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

une fonction

>>> def hello():

classe

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

Vous pouvez lire numpy comme np.

Génération de séquence

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

Calcul

>>> 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])

Le nombre d'éléments de x et y doit être le même

Tableau à N dimensions

>>> 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]]

diffuser

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

Accès aux éléments

>>> 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]

Conversion en un tableau unidimensionnel

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

Dessiner un graphique simple

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() ##Dessin graphique

fonction pyplot

--Plusieurs graphiques peuvent être affichés

• Les images peuvent également être affichées