Python深度学习利用Tensorflow 1 Numpy基础进行开发

文章结构概览

• • • • 数据转换与数据生成
    • 数据的读取与存储
    • 数据形态的调整与整合
    • 数学运算操作
    • 广播功能
    • 借助Numpy实现回归模型实例

Numpy在各类计算任务中扮演着不可或缺的角色，通常在不涉及GPU或TPU运算的场景下，均会采用Numpy进行处理，而np则是其常见的简写形式。其突出优势在于运行效率高。实际上，在非深度学习领域，还有一个非常关键的库是scipy，它整合了大量实用的功能。

安装及导入方式如下：

    # pip 安装方式
    pip install numpy
    
    # conda 安装方式
    conda install numpy
    
    # 导入
    import numpy as np
    
    
    AI写代码python
    
    运行

numpy对象通常包含三个主要属性，即ndarray.ndim、ndarray.shape以及ndarray.dtype，它们依次用于描述数据的维度数量、数据的结构形态以及数据的具体类型。

数据转换和数据生成

将现有数据转换为numpy类型的操作较为简便，通常情况下只需直接调用numpy.array函数即可完成

    lst = [0.