【深度学习实验】NumPy的简单用法

目录

一、NumPy介绍

[1. 官网](#1. 官网)

[2. 官方教程](#2. 官方教程)

二、实验内容

[1. 导入numpy库](#1. 导入numpy库)

[2. 打印版本号](#2. 打印版本号)

[3. arange 函数](#3. arange 函数)

[4. array函数](#4. array函数)

[5. reshape函数](#5. reshape函数)

[6. 矩阵点乘（逐元素相乘）](#6. 矩阵点乘（逐元素相乘）)

[7. 矩阵乘法](#7. 矩阵乘法)

---

一、NumPy介绍

NumPy是一个常用于科学计算的Python库，尤其在深度学习和机器学习中应用广泛。

1. 官网

NumPyhttps://numpy.org/

2. 官方教程

NumPy：初学者的绝对基础知识 --- NumPy v1.25 手册https://numpy.org/doc/stable/user/absolute_beginners.html

二、实验内容

1. 导入numpy库

• Import numpy library (you should follow the standard NumPy conventions).

导入 numpy 库（应该遵循标准的 NumPy 约定）。

import numpy as np

2. 打印版本号

• Print the version number of NumPy.

打印 NumPy 的版本号。

print(np.__version__)

3. arange 函数

• Use the arange function to generate 10 elements from 0 to 9 and store them in a variable named ndarray.

使用 arange 函数生成 10 个从 0 到 9 的元素，并将它们存储在名为 ndarray 的变量中。

ndarray = np.arange(10)
print(ndarray)

4. array函数

• Utilize the array function to convert data in Python list format into an equivalent ndarray named ndarray1.

利用array函数将 Python 列表格式的数据转换为名为 ndarray1 的等效 ndarray。

ndarray1 = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
print(ndarray1)

5. reshape函数

• Reshape the ndarray and the ndarray1 into a 2-row by 5-column array.

将 ndarray 和 ndarray1 改造成 2 行 x 5 列数组。

ndarray = ndarray.reshape(2, 5)
ndarray1 = ndarray1.reshape(2, 5)
print(ndarray)
print(ndarray1)

6. 矩阵点乘（ 逐元素相乘）

• Calculate the elementwise product of ndarray and ndarray1 using the * operator, and print the result

使用 * 运算符计算 ndarray 和 ndarray1 的元素乘积，并打印结果

result = ndarray * ndarray1
print(result)

7. 矩阵乘法

• Calculate the matrix product of ndarray and ndarray1 using the @ operator, and print the result. You need to use the T attribute to perform a transpose operation on ndarray1.

使用 @ 运算符计算 ndarray 和 ndarray1 的矩阵乘积，并打印结果。需要使用 T 属性在 ndarray1 上执行转置操作。

result1 = ndarray @ ndarray1.T
print(result1)