深度学习入门

最新推荐文章于 2025-05-31 12:26:20 发布

HPU-Lane

最新推荐文章于 2025-05-31 12:26:20 发布

阅读量326

点赞数

文章标签：深度学习人工智能

本文链接：https://blog.youkuaiyun.com/qq_42756958/article/details/131471105

版权

本文介绍了如何使用Numpy进行矩阵和向量运算，包括加减乘除以及广播机制。接着讲解了Matplotlib库在图形绘制和数据可视化方面的应用，如绘制sin函数曲线，并展示了添加标题、轴标签和图例的方法。此外，还演示了如何使用imshow读取并显示图像。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.5 Numpy

主要是使用数组类（numpy.array）来实现矩阵运算。

import numpy as np
x = np.array([1.0,2.0,3.0])
y = np.array([2.0,3.0,4.0])
print(x)

x与y可以做+-*/的运算，计算的结果是对应元素（element-wise）的运算结果，同时也可以和标量进行运算，称为广播。

A = np.array([1,2],[3,4])
B = np.array([3,0],[0,6])
print(A+B)
print(A*B)

这里的A、B为二维数组也称为矩阵，一般一维数组称为向量，三维及以上称为张量。

二维数组做运算也是在对应元素之间运算。

1.6 Matplotlib

主要用于图形绘制和数据可视化。主要用到了matplotlib.pyplot和matplotlib.image。

#绘制sin函数曲线
import numpy as np
import matplotlib.pyplot as plt
# 生成数据
x = np.arange(0, 6, 0.1) # 以0.1为单位，生成0到6的数据
y = np.sin(x)
# 绘制图形
plt.plot(x, y)
plt.show()

arange 方法生成了 [0, 0.1, 0.2, ..., 5.8, 5.9] 的数据。

#加入标题及轴标等功能
import numpy as np
import matplotlib.pyplot as plt
# 生成数据
x = np.arange(0, 6, 0.1) # 以0.1为单位，生成0到6的数据
y1 = np.sin(x)
y2 = np.cos(x)
# 绘制图形
plt.plot(x, y1, label="sin")
plt.plot(x, y2, linestyle = "--", label="cos") # 用虚线绘制
plt.xlabel("x") # x轴标签
plt.ylabel("y") # y轴标签
plt.title('sin & cos') # 标题
plt.legend()#显示label内容
plt.show()

显示图像：

import matplotlib.pyplot as plt
from matplotlib.image import imread
img = imread('lena.png') # 读入图像（设定合适的路径！）
plt.imshow(img)
plt.show()