numpy函数整理(一）

np.exp()

用来计算e^x

np.sum(x,axis=1,keepdims=True)

计算x矩阵每行的和

np.array([],[],……）

用来建立向量，矩阵等

x.reshape（）

对x重新建立维度,若x的shape为（a,b,c）,要重构为（abc，1），可用x.reshape((abc,1)),若要重构为（b*c，a），可以用x.reshape(a,-1).T，T表示转置

𝑛𝑝.𝑙𝑖𝑛𝑎𝑙𝑔.𝑛𝑜𝑟𝑚(𝑥,𝑎𝑥𝑖𝑠=1,𝑘𝑒𝑒𝑝𝑑𝑖𝑚𝑠=𝑇𝑟𝑢𝑒)

计算x矩阵每行的模，即每行每个数平方和的开方

np.zeros(shape, dtype=float, order=‘C’)

返回来一个给定形状和类型的用0填充的数组；
参数：shape:形状
可用（10）表示10个或（10,3）表示10行3列等
dtype:数据类型，可选参数，默认numpy.float64
dtype类型：
t ,位域,如t4代表4位；b,布尔值，true or false；i,整数,如i8(64位）；u,无符号整数，u8(64位）；f,浮点数，f8（64位）；c,浮点负数；o,对象；s,a，字符串，s24；u,unicode,u24
order:可选参数，c代表与c语言类似，行优先；F代表列优先

np.abs()

计算绝对值

np.dot(x,y)

返回x向量或矩阵和y向量或矩阵中对应元素乘积的和

np.log10(X）,np.log(X)

分别计算以10为底和以e为底的对数

np.random.seed(n)

np.random.seed()可以按顺序产生一组固定的数组，如果使用相同的seed()值，则每次生成的随机数都相同。

https://zhuanlan.zhihu.com/p/266472620

np.random.shuffle(num)

随机打乱数据

np.random.rand(d0,d1,d2……dn)

作用：
通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1。
应用：在深度学习的Dropout正则化方法中，可以用于生成dropout随机向量（dl），例如（keep_prob表示保留神经元的比例）：dl = np.random.rand(al.shape[0],al.shape[1]) < keep_prob

https://blog.youkuaiyun.com/qq_40130759/article/details/79535575

np.random.randn(d0,d1,d2……dn)

通过本函数可以返回一个或一组服从标准正态分布的随机样本值。
1)当函数括号内没有参数时，则返回一个浮点数；
2）当函数括号内有一个参数时，则返回秩为1的数组，不能表示向量和矩阵；
3）当函数括号内有两个及以上参数时，则返回对应维度的数组，能表示向量或矩阵；
4）np.random.standard_normal（）函数与np.random.randn()类似，但是np.random.standard_normal（）
的输入参数为元组（tuple）.
5)np.random.randn()的输入通常为整数，但是如果为浮点数，则会自动直接截断转换为整数。
https://blog.youkuaiyun.com/qq_40130759/article/details/79535575