自己动手写深度学习框架（快速学习python和关联库）

既然目前深度学习大部分都是python开发为主，那我们就学习一下python好了。早前还有python2、python3之分，不过现在大部分都是使用python3了。本身python就是一门脚本语言，和我们之前说的lua很像。所有的细节，都放在了python后面，用户只需要把这些脚本串起来就可以了。关注于库的使用即可，而不是库的实现。

1、快速学习python语言

学习一门语言，其实不复杂，主要就是学习它的数据类型、打印、if-else、循环、函数和类。不管是python，还是c#、java、go、rust都是这样的。只要把握了这一规律，就可以在短时间内学习好一门语言。

复制代码

'''
 demo1 code
 
usage:
 C:\Python27\python.exe exer1.py
'''

## data

type(10)
type(2.718)
type('hello')

## assignment

x=10
print(x)
x=100
print(x)

## list

a=[1,2,3,4,5]
print(a)
print(a[0:2])

## dict

me={'height':180}
print(me)
print(me['height'])

## if - else

a = 10
b = 5
if a > b:
    print('a is bigger than b')
else:
    print('b is bigger than a')


## about loop

count = 0
for i in range(100):
    count += i
print(count)


## about function

def iterate(data):
    if 1 == data:
        return 1
    else:
        return iterate(data-1)+data
        
print('after function was defined')
print(iterate(100))

## about class

class parent:
    def __init__(self, a):
        self.a_ = a
        
    def set_func(self):
        print('this is class set function')
        
    def get_func(self):
        print('this is class get function')
        
    def get_data(self):
        return self.a_

p = parent(20)
p.set_func()
p.get_func()
print(p.get_data())

2、掌握常用的第三方库

不管什么语言，只靠语言本身，能做的事情还是很少的。这个时候就需要第三方库的帮忙。有的第三方库，是语言本身自带，或者说移植好的。还有的第三方库需要从其他的地址下载使用。这里说的第三方，其实是语言自身环境自带的，直接使用即可。

复制代码

'''
 demo2 code

usage:
 C:\Python27\python.exe exer2.py
'''

## about random lib

import random
a = random.randint(0,10)
print(a)

## about time lib

import time
print(time.time())

print('before wait 1s')
time.sleep(1)
print('after wait 1s')


## about datetime lib

from datetime import datetime
print(datetime.now())

3、矩阵库numpy

要学习深度学习，那么矩阵库numpy肯定是少不了的。这个库不是python语言自带的，需要自己用pip下载。或者到对应的网站，下载whl文件也是可以的。下载、安装完毕之后，就可以直接使用了，

复制代码

'''
 demo3 code

usage:
 C:\Python27\python.exe exer3.py
'''

import numpy as np

x = np.array([1.0, 2.0, 3.0])
y = np.array([4.0, 5.0, 6.0])

print('add result is as follows')
print(x+y)

print('')
print('sub result is as follows')
print(x-y)

print('')
print('multiply result is as follows')
print(x*y)

print('')
print('divide result is as follows')
print(x/y)

4、数据分析库matplotlib

在学习深度学习的时候，很多情况下，我们需要对各种数据进行比较。还需要用图形化的方法，把这些结果显示出来，这个时候就可以用matplotlib来帮助我们做到这一点。当然自己用c++，或者是其他语言，也可以做到这一点，只不过用python比较方便一点而已。

复制代码

'''
 demo4 code

usage:
 C:\Python27\python.exe exer4.py
'''

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(0, 7, 0.1)
y = np.sin(x)
##y = np.cos(x)
##y = np.tan(x)
plt.plot(x, y)
plt.show()

5、图像处理

后期的时候，我们需要对图像进行处理，正好matplotlib也支持，这里一并学习下，

复制代码

'''
 demo5 code

usage:
 C:\Python27\python.exe exer5.py
'''

import matplotlib.pyplot as plt
from matplotlib.image import imread

img = imread('./lena.png')
plt.imshow(img)
plt.show()