【Python学习笔记】cs231nPython Numpy教程

【Python学习笔记】cs231nPython Numpy教程

回顾经典教程cs231n,完成assignments觉得很困难,感觉自己python基础语法掌握的不是很熟,就顺藤摸瓜找了cs231n他们的官方Python个Numpy教程

如果对英文原版上手有困难,可以看这个:
b站同济子豪兄中文讲解的cs231n:【子豪兄】精讲CS231N斯坦福计算机视觉公开课(2020最新)
作业相关解析:CS231N作业详解零基础版
cs231n官方笔记:贺完结!CS231n官方笔记授权翻译总集篇发布
cs231nPython、Numpy入门教程:Python Numpy Tutorial (with Jupyter and Colab)
我的学习历程是:英文原版理解困难——>b站中文解析——>课后作业练习困难——>b站作业讲解——>官方教程补python和Numpy基础
真是基础不牢,地动山摇。就是因为我对Numpy不够熟悉,平时主要使用C#,python代码写的也不够多,所以啃作业很头疼。先得慢慢把基础的学会。

for循环遍历字典时,默认情况遍历的是字典的键(key)
遍历值value:for animal in d.values()
同时遍历键和值:for animal, legs in d.items()

在这里插入图片描述
在这里插入图片描述在这里插入图片描述
存储不同数据类型——元组()、列表[]
存储相同数据类型——数组
无序——集合{}、字典{:},
有序——元组()、列表[]、数组

在这里插入图片描述
一段我第一次看没明白的程序:
在这里插入图片描述
字典是这样索引的
{(0,1):0}
{(1,2):1}
{(2,3):2}
{(3,4):3}
{(4,5):4}
{(5,6):5}
(5,6)这个整体作为键,对应的d[t]值也就是5
在这里插入图片描述
以及我觉得很别扭的self,之前做KNN作业的时候,被self.X_train迷惑了很久,想了半天这是哪来的变量
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
然后查了一下,这个self是类比C#里面的this,
(似乎C#很多时候都不写this.X_train=X,直接把this省去了?我以前写代码的时候很少写到this,但是印象里个别地方,特别是变量和函数参数一个名字的时候,不写this就容易出错)
在这里插入图片描述
还有一点很不适应的地方,是python中的数组和C#也不太一样,C#里输入几个[][]就能定义的数组,到了python里面变复杂了
在这里插入图片描述在这里插入图片描述
我目前个人感觉python确实方便,但是很多时候太简略了,一个变量是从哪里开始定义并使用的我要找很久……C#全写在类开头,Awake()——OnEnable(0——Start()一套走下来很清晰,应该是我还没有完全上手Python的缘故。在这里插入图片描述一些快速创建数组的方法:np.zeros创建全0数组,np.ones创建全1数组,np.full创建一个给定大小和类型并且以指定数字全部填充的新数组,np.eye创建对角线全为1的单位矩阵在这里插入图片描述
在这里插入图片描述在这里插入图片描述
发现一个不错的帖子参考:
np.empty() and np.full()
在这里插入图片描述在这里插入图片描述

很奇怪为什么这里修改切出来的b,会影响a的值,查了以后发现切片相当于只是创建了一个视图,并没有复制一份a,所以修改子数组会在原数组的基础上进行修改。在这里插入图片描述
感觉这个视图和引用有点像,但视图不一定是原数据的全部
在这里插入图片描述在这里插入图片描述
想了很久为什么这里输出的是第二列
在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述
我总记不得要把行列分开看,找半天发现没有这个元素在这里插入图片描述

折腾了一圈,还是print(a[a>2])最舒服在这里插入图片描述在这里插入图片描述
那如果我输入的数据类型和参数指定的数据类型不符,Numpy是报错还是自动转换呢?
在这里插入图片描述基本数学函数对数组进行元素操作,既可以作为运算符重载,也可以作为numpy模块中的函数:加减乘除都是对应项直接操作,也可以调用Numpy函数
在这里插入图片描述在这里插入图片描述注意,与MATLAB不同,是元素乘法,而不是矩阵乘法。相反,我们使用点函数来计算向量的内积,将向量与矩阵相乘,dot既可以作为numpy模块中的函数,也可以作为数组对象的实例方法:
这点和C#应该是一样的,之前计算敌人可视范围的时候,cos就用的dot函数计算
乘法就是直接对应元素相乘,(x1,y1)和(x2,y2)相乘是(x1x2,y1y2)
向量点乘是(x1x2+y1y2),得到一个值
在这里插入图片描述
这个地方是很容易糊涂在这里插入图片描述
矩阵和向量是每一行的x,y分别与向量相乘
[x1
v1+y1v2,x2v1+y2*v2]
在这里插入图片描述

最后那个矩阵乘法,是第一行x第一列——结果的第一个元素,第一行x第二列——结果的第二个元素
请添加图片描述
看看基础教程还是有必要的,好多函数的用法跟我一眼脑补的不一样
如果不仔细看看文档,我会以为axis=0的意思是把第一列的数据加起来,但其实是把纵向的每一行相加
在这里插入图片描述请注意,对秩(维度)为1的数组进行转置不会有任何作用
在这里插入图片描述
“广播

广播是一种强大的机制,允许numpy在执行算术运算时处理不同形状的数组。我们经常有一个较小的数组和一个较大的数组,并且我们希望多次使用较小的数组来对较大的数组执行一些操作。”
我接触过的C#里面的广播好像是用在观察者模式里面的,麦扣的教程中定义了IEndObserver接口,一旦玩家死亡,GameMangaer就通知所有实现接口的(敌人)对象,宣告玩家死亡,敌人胜利,播放胜利动画在这里插入图片描述
相当于用tile函数堆叠成一行对一个,然后分别相加
在这里插入图片描述Numpy广播允许我们在不实际创建v的多个副本的情况下执行此计算
所以这个广播的意思应该是,只需要一份数据,所有的都复用,广泛使用、传播的意思?而不是C#里面那种“通知”性质的广播
在这里插入图片描述在这里插入图片描述支持广播的功能被称为通用功能。您可以在文档中找到所有通用函数的列表。在这里插入图片描述
Python函数:np.reshape()在这里插入图片描述
结果确实是一样的,很神奇在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述类似的函数(scipy。spatial。distance。cdist)计算两组点上所有对之间的距离;您可以在文档中阅读相关内容。在这里插入图片描述在这里插入图片描述
Matplotlib是一个打印库。在本节中,简要介绍matplotlib.pyplot模块,该模块提供了一个类似于MATLAB的绘图系统。
matplotlib中最重要的功能是绘图,它允许您绘制二维数据,可以理解成Python的可视化库在这里插入图片描述在这里插入图片描述在这里插入图片描述
在这里插入图片描述

子模块
您可以使用subplot函数在同一个图形中绘制不同的东西。以下是一个示例:在这里插入图片描述
相当于多张图组合到一起画在这里插入图片描述
在这里插入图片描述
img_tinted对图片重新着色在这里插入图片描述在这里插入图片描述
#imshow的一个小问题是,如果数据不是uint8,它可能会给出奇怪的结果。为了解决这个问题,我们在显示图像之前将其显式地投射到uint8。
np.uint8()
在这里插入图片描述

CS231n作业详解零基础版笔记:

b站讲解链接
装Anaconda的时候要打勾(我就没装成功过这玩意,Jupyter Notebook照样用……)
在这里插入图片描述
//这个整除容易出错,**幂是两个星号,%取模
这里-3对2取模也等于1
在这里插入图片描述在这里插入图片描述在这里插入图片描述
整除和取模和乘除优先级相同
在这里插入图片描述在这里插入图片描述在这里插入图片描述有的整数很长,需要更长的储存空间,int8不够装的话就需要int16、int32等。在这里插入图片描述字符串又有单引号,又有双引号:字符里面可能会把字符串用单引号引用起来
在这里插入图片描述如果单引号引用单引号,那就会报错,双引号引用双引号也会报错
可以双引号里面嵌套单引号,也可以反过来

在这里插入图片描述注注释:#和前面的代码空两格,和自己后面空一格开始写,比较漂亮
#会被电脑忽略,而且只对一行有效
在这里插入图片描述多行注释:6个单引号或者6个双引号,都是全英文在这里插入图片描述这图好好笑,注释要素过多的后果在这里插入图片描述在这里插入图片描述和数学函数一样,有输入,有映射,有输出+
参数的调用顺序很重要在这里插入图片描述多行注释的本质就是放了个字符串在这里在这里插入图片描述在这里插入图片描述None值用来判断(类似C#里面的if(null==xxxx?))在这里插入图片描述
Print函数没有返回值,是开函数(?听译的,但问了一下chatGPT,并没有这个术语)
在这里插入图片描述让a=print(-0.0261)的返回值,然后输出a,发现是None在这里插入图片描述输入很长的数字时,如果用了逗号分隔,python会把他认成三个数,语法正确,但是格式不规范,也不是原本想表达的含义在这里插入图片描述变量名可以包含中文,但是最好不要在这里插入图片描述Python关键字是这种绿色加粗字体显示的,相当于Python已经将这些词占用,不能使用这些作为变量名赋值在这里插入图片描述而这种紫色的@则是操作符,也不能使用
在这里插入图片描述在这里插入图片描述老师这讲的和我认知的不太一样,我记得驼峰命名法是attackTarget种大小写分割单词的写法,另一种写法是m_target,之前Unity架构课的老师经常用m_的这种。
搜了一下,我的理解是对的
在这里插入图片描述(赞美Unity架构课老师,很注意代码命名细节)
这个input很像C#里面的inputField,生成一个等待输入的输入框,此处通过print再显示出来
在这里插入图片描述在这里插入图片描述在这里插入图片描述除了有大于小于等于不等于以外,还有is not
在这里插入图片描述在这里插入图片描述Tab缩进,如果是空格缩进的话不知道用了几个,很容易出错
elif是else if的缩写在这里插入图片描述老师的条件判断执行时卡死了,是加了个else的情况,但实际应该不是else的问题,可以只写if和elif在这里插入图片描述If,elif这种是执行了一种情况就不会继续了,类似switch case,如果每个流程都需要判断,统一使用if在这里插入图片描述
如果加上else语句,整个判断模块至少会有一条被执行在这里插入图片描述
向量只有一个维度,后面就是空的
在这里插入图片描述在这里插入图片描述传入的矩阵大小还是个元组
在这里插入图片描述只有一个维度的时候,写不写括号和逗号都可以
在这里插入图片描述
Identity单位矩阵,zeros全0,ones全1
在这里插入图片描述可以通过现有的矩阵复制维度,创建新矩阵在这里插入图片描述在这里插入图片描述相当于[0,2)
在这里插入图片描述
在这里插入图片描述在这里插入图片描述在这里插入图片描述可以在创建矩阵的时候就指定数据类型在这里插入图片描述在这里插入图片描述在这里插入图片描述
借用一下老师画的图,很清晰易懂
在这里插入图片描述矩阵可以沿不同的轴向进行拼接在这里插入图片描述
转置矩阵:
在这里插入图片描述输入的参数也是元组在这里插入图片描述在这里插入图片描述逆转矩阵在这里插入图片描述在这里插入图片描述使用广播机制可以实现矩阵直接减去列向量,而不还用for循环
在这里插入图片描述在这里插入图片描述可以放回原矩阵去取值在这里插入图片描述多个条件并举一定要用小括号括起来
在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述Figure相当于画板,axes/subplot相当于画板上面的画纸
python matplotlib中axes与axis的区别是什么?
教程传送门
在这里插入图片描述在这里插入图片描述在这里插入图片描述老师的例子里面有一个linspace函数:
python numpy 中linspace函数
教程传送门
在这里插入图片描述在这里插入图片描述需要注意避雷的问题:array改变,其复制值dup也会改变在这里插入图片描述使用切片办法,但不总是有用,虽然id不一样了,但是改变array还是一起改变了dup
在这里插入图片描述在这里插入图片描述直接“=”是浅拷贝,指向的位置都是同一个地方
在这里插入图片描述而deepcopy是复制了两份数据,其指向和id都不同了在这里插入图片描述Numpy自带也有copy拷贝函数
在这里插入图片描述三个有名的图像处理库:OpenCV、SkImage、PIL
这里因为out是img的浅拷贝,所以输出的时候原图也改变了在这里插入图片描述在这里插入图片描述
之前的img已经被破坏改色了,这里需要重新加载进来
在这里插入图片描述在这里插入图片描述在这里插入图片描述很多时候浅拷贝会出现一些莫名其妙的问题,建议常用深拷贝在这里插入图片描述排序默认是升序
在这里插入图片描述线性代数相关,已知Ax=b,求x在这里插入图片描述用Numpy内置函数可以直接实现最小二乘法
在这里插入图片描述在这里插入图片描述使用solve函数得到x在这里插入图片描述另一个求x的方法是梯度下降
Ax永远不等于Y,但可以让Y-Ax尽可能小,趋近于0,这样其损失(代价)loss越小越好
在这里插入图片描述X要加个“帽子”(xheight?/xhat?没听清楚)
要求最优解x,根据高数知识要求偏导数
在这里插入图片描述在这里插入图片描述已知dx,求梯度下降在这里插入图片描述
使用Numpy的原因:比python自带的速度快
在这里插入图片描述对于不太常用Python+Numpy编程的我来说,这个入门上手作业简直香,太有必要在做CS231n的作业之前先做CS131n打好基础了,不然直接冲CS231n根本无从下手。

CS131n入门作业:
导入本地文件里面,*表示所有函数
在这里插入图片描述
如果是下面这种,则是只导入一个函数
在这里插入图片描述
设置图片大小、最邻近插值、灰度图
%matplotlib Jupyter notebook特有的魔术命令
在这里插入图片描述
在这里插入图片描述
如果没有下面三行命令,修改了linalg.py和imageManip.py文件以后,需要重新run一下这一大段导入库、初始化的配置代码,但是有了这三行就不需要了,会自动重新加载。
在这里插入图片描述
第一题我用的中括号嵌套的方式做的定义矩阵在这里插入图片描述
老师看到了M矩阵的特殊性,1-12的连续数,用了linspace函数+reshape
在这里插入图片描述
像老师额外构造的一个c,他就是只有一个维度的向量,和a有区别
在这里插入图片描述
第二题老师用的a.dot(b),本质上和np.dot(a,b)是一样的
在这里插入图片描述在这里插入图片描述
很奇怪为什么我的结果是这样:有可能是向量没有转换为矩阵
在这里插入图片描述np.dot()使用方法
使用教程
np.dot()函数用法
使用教程
在这里插入图片描述
经过检查,发现是我第一题的a写成了向量而不是矩阵,导致后面出错
在这里插入图片描述
把a改成矩阵以后就正确了在这里插入图片描述
纠结了很久为什么不传参a的转置,而是直接传a,chatGPT回答说a这种只有一行的矩阵,转不转置没有区别
在这里插入图片描述在这里插入图片描述
第二题我比老师多调用了一层dot_product函数
正确答案:
在这里插入图片描述在这里插入图片描述

老师是计算了a和b的点积和M与a.T的点积之外就直接相乘了
在这里插入图片描述
题目的注意事项是所有的输入都必须是两个维度的,只有二维矩阵才能被转置,一维的不行
在这里插入图片描述
比如前面定义的这个c,转置与否是一样的效果
在这里插入图片描述
chatGPT这个写法也出错,目前我测试了的只有老师那种写法是对的在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述
所以老师的方法相当于是矩阵先两两乘积然后再点积
a是一行三列矩阵,b是三行一列矩阵,a和b做矩阵乘法得到一行一列(1x1)的新矩阵
M是四行三列矩阵,a的转置是三行一列矩阵,M和a的转置做矩阵乘法得到四行一列(4x1)的新矩阵
最后把一行一列的新矩阵和四行一列的新矩阵做矩阵乘法得到四行一列的新矩阵
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/7386.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

在Eclipse中使用Junit测试代码

一、在项目中加入Junit库 右击项目文件,在选项中选择BuildPath这一选项。 选择Add Libbraries选项,在其中找到Junit,可以自行选择需要的Junit版本。 当你的项目中除了之前的基础库文件,还出现了Junit库,说明已经添加…

玩转 GPT4All

目录 什么是Chatgpt 什么是gpt4all 如何使用 第一步:下载LLM模型 第二步:下载代码 第三步:将模型替换到 第四步:执行启动命令 第五步:生成自己的客户端 第六步:启动 第七步:配置UI 什么…

Android Studio Gradle 无限 Build「假死」

Android Studio Gradle 无限 Build「假死」 解决方案 工程配置 Gradle 的 gradle.properties 文件中添加如下代码: org.gradle.daemontrue org.gradle.paralleltrue然后重新 Sync 工程,漫长等待依赖下载完成后,重新 Build 项目即可 补充 …

Python3.7出现RuntimeError: generator raised StopIteration异常

出现该异常有很多种情况: 我说下我遇到的情况 希望对你有帮助 当模型运行fit_generator会抛出generator raised StopIteration的异常,其实是因为generator没有获取到相应的数据 这里的G是LoadBatches1.imageSegmentationGenerator做的一个生成器 G …

【AI前沿】chatgpt还有哪些不足?

博客昵称:吴NDIR 个人座右铭:得之淡然,失之坦然 作者简介:喜欢轻音乐、象棋,爱好算法、刷题 其他推荐内容:计算机导论速记思维导图 其他内容推荐:五种排序算法 在这个愉快的周末让我们聊一下Cha…

ChatGPT开放API,价格直接打1折

鱼羊 发自 凹非寺量子位 | 公众号 QbitAI ChatGPT API,千呼万唤终于来了。 不仅宣布开放,价格还直接打了个骨折: 0.002美元/每1000 token,仅为此前GPT-3.5价格的1/10。 言下之意:ChatGPT质优价廉,开发者胖友…

初尝使用ChatGPT辅助编程

整个问答过程(就一次问答) 运行代码的页面实测结果

Chatgpt写算法题如何(实测)

原题要求 下面让AI来写:

文心一言 ChatGPT 实测对比

期待已久之后,终于拿到了文心一言的邀请码,第一时间进行了测试。最后面会讲一下如何获取邀请码。 先说一下结论,很远,但是又不远。 很远是因为:我个人测试得出来的实际效果和ChatGPT差距还很大,下面我会放…

这个ChatGPT项目有了重大更新,可以直接打包成桌面应用

在之前的文章中介绍过一个国内大神开放的ChatGPT项目,最近这个仓库有了重大的更新,可以把web的应用打包成桌面的应用。外观上也作出了改变,把界面做的更加简洁。 通过查看源码,是采用electron进行桌面应用的构建,目前…

ChatGPT与Web3.0:让聊天变得更加有趣和安全

随着数字经济时代的到来,Web3.0应用成为了数字世界的重要组成部分,同时人工智能技术也为Web3.0应用的发展提供了强大的支持。其中,ChatGPT作为一种强大的人工智能技术,在Web3.0应用中发挥着越来越重要的作用。本文将从普通用户的角…

程序员如何使用chatgpt提高工作效率

公众号对话chatgpt 网页在线对话 ● 拥有一个 OpenAI 账号(需要梯子)。 ● 账号申请访问地址:https://platform.openai.com/。 ● ChatGPT 对话地址:https://chat.openai.com/chat。 API接入 ● 需要一个 API key(依…

chatgpt开发,如何实现智能会话

ChatGPT AI API:ChatGPT AI 提供了 API,您可以使用该 API 将 ChatGPT AI 集成到您的 Java 代码中。API 可以通过 HTTP 请求和响应进行访问,因此您需要使用 Java 的网络库进行访问。ChatGPT AI API 的细节可以在 OpenAI 的文档中找到。 Java 网…

ChatGPT正在加速淘汰“伪高管”

作者| Mr.K 编辑| Emma 来源| AI新猿人(ID:aixyr2023) “整个京东零售,只有 1.5 个人在会上说真话、提问题…很多拿 PPT 和假大空词汇忽悠自己的人,(这些高管)就是骗子…”,这是刘强东在去年年底京东内部…

You Only Look Once: 革命性目标检测算法论文解析

You Only Look Once 全论文完整翻译 You Only Look Once: Unified, Real-Time Object Detection 摘要 我们介绍了一种名为YOLO的新型目标检测方法。在目标检测的先前工作中,人们将分类器重新应用于执行检测任务。相反,我们将目标检测视为一个回归问题&a…

【原创】理解ChatGPT之GPT工作原理

作者:黑夜路人 时间:2023年4月25日 想要连贯学习本内容请阅读之前文章: 【原创】理解ChatGPT之机器学习入门 【原创】AIGC之 ChatGPT 高级使用技巧 GPT是什么意思 GPT的全称是 Generative Pre-trained Transformer(生成型预训练…

关于AI和ChatGPT的使用,AI编程(AIGC),AI绘画(3)

使用AI绘画要注意哪些问题 1.版权和知识产权:使用别人的AI模型进行绘画可能会侵犯其版权和知识产权,需遵守相关法律法规。 2.数据隐私:在使用AI绘画应用时,可能需要提供个人图像或图片等数据,要谨慎保护数据隐私&…

chatGPT的爆火,是计算机行业这次真的“饱和”了?

近日,chatGPT这一生成式AI爆火,这款号称神仙级别的自动语言生成式AI发布短短5天内,就吸引了100万用户,在官方描述中,chatGPT是一个“可以连续回答问题、承认自己的错误、挑战不正确的前提并拒绝不适当的要求”的对话模…

LLMs之ChatGLM2:ChatGLM2-6B的简介、安装、使用方法之详细攻略

LLMs之ChatGLM2:ChatGLM2-6B的简介、安装、使用方法之详细攻略 导读:2023年06月25日,清华大学开源了 ChatGLM2-6B 模型,是 ChatGLM 模型的升级版本。ChatGLM2-6B 在多个方面有显著提升:模型性能更强,在各种…