（鱼书）深度学习入门1：python入门

开一个新坑，之前关于深度学习的学习部分，更多的在于理解what，虽然看了很多网课，包括李宏毅、吴恩达，以及李沐的，但是有句话说的好，

“What I cannot create, I do not understand.”只有创造一个东西，才算真正弄懂了一个问题。

所以深感我以前学习深度学习时，只会耍弄各种框架，也就是模块随插随用，会的是模块缝合的技巧，现在想来，其实和API调用者（就是广义的调包）其实并没有本质上的区别，惭愧！

所以，虽然我已经不是本科生了，年纪也大了，也还是要活到老，学到老，有推荐这本书的我就拿来看一看，

打算每天看一章左右（当然按照现有的基础，是每天花费半小时左右啃一下），然后抽空更完这部分。

一，目录

二，python温习

1，只用numpy+matplotlib

2，面向对象编程：class类

class Man:
    def __init__(self,name):
        self.name = name
        print("Initialized!")

    def hello(self):
        print("hello"+self.name+"!")
    
    def  goodbye(self):
        print("good-bye"+self.name+"!")

m = Man("David")
m.hello()
m.goodbye()

3，numpy数组类

1，列表到数组：推荐用np.asarray（）构建数组

如果要生成多维数组，可以使用嵌套列表list：

data type即dtype数据类型

2，数组运算：element-wise逐元素运算和广播机制（size不匹配）

广播运算：

专门用于形状不同的数组（张量tensor）之间进行运算

3，访问数组元素：

注意在python中的数组元素是0-indexed，注意和其他常用的1-indexed体系进行区分！

for row in A:
    print(row)
    for element in row:
       print(element)

坍缩成一维的运算：flatten

默认是按row，也就是横向坍缩（符合人的直觉，就是一行一行定义的多维矩阵，自然也就是一行一行的坍缩）

凡是涉及到bool型的数组，都可以当做是index下标来运算或使用

4，matplotlib类可视化

这一块可以查看我之前更新的博客

import numpy as np 
import matplotlib.pyplot as plt
x = np.arange(0,10,0.1)
y = np.sin(x)
z = np.cos(x)
t = x

# plot绘图
plt.plot(x,y,label="sin(x)")
plt.plot(x,z,label="cos(x)")
plt.plot(x,t,label="linear x")

# legend标签
plt.legend() # legend标签

# xy label以及title标题
plt.xlabel("x")
plt.ylabel("y")
plt.title("plot of sin,cos and linear")

# show展示
plt.show()

import matplotlib.pyplot as plt
from matplotlib.image import imread
myimg = imread("/data2/IDR_LLM/dive_dl/【源代码】深度学习入门：基于Python的理论与实现/dataset/lena.png")

plt.imshow(myimg)
plt.show()