深度学习基础之numpy，轻松入门numpy

最新推荐文章于 2026-05-22 09:58:03 发布
原创 最新推荐文章于 2026-05-22 09:58:03 发布 · 4.4k 阅读 · 65
这篇博客介绍了numpy的安装、快速入门，重点讲解了numpy的数组操作、常用函数，包括 Ndarray 特性、副本与视图的差异，以及numpy的排序、统计和算术函数。还对比了ndarray与list的区别，强调了numpy在效率和内存使用上的优势。

目录

1、numpy 的安装

2、快速入门

3.Numpy 数组操作

4、常用函数

5、ndarray和 list的区别

6、总结

送书活动第一期

1、numpy 的安装

pip install numpy

2、快速入门

2.1 数据类型

用过C语言的基本上都知道是哪几个类型，毕竟python是c 实现的

图片

总结一下：u表示无符号，有符号则没有，中间表示类型类型，最后一个是表示的字节数

2.2 最重要的对象Ndarray 对象

Ndarray 可以理解为Java里面List 的实现，封装了更好的接口和api。

图片

调试看下结构

标签
#python
了解本专栏 订阅专栏 解锁全文
这部日本「神作」彻底拉低了我入门AI的门槛
GitChat
07-25 1万+
都说现在搞深度学习的，十之八九不是“科班出身”。 也就是说如果我想要跨行成为一名深度学习工程师，从头到尾，都完全可以靠自学搞定。 氮素！深度学习为什么那么深……遇到的障碍也太多了吧： 此情此景，我决定寻求一些外力帮助，找一找有没有什么深度学习入门“捷径”。翻遍各大读书阵营，除了高深莫测的“花书”和“西瓜书”外，难道就没有一本让 AI 零常识的我光看介绍就能信心倍增火速下单的书吗？！ 直到我看到了...
【ADCU详解】PMIC电源管理集成电路详解
qq_40844444的博客
09-19 796
自动驾驶域控制器（ADCU）中的电源管理集成电路（PMIC）是高度集成的关键部件，负责为计算核心、传感器等提供高效稳定的多路电源。其核心特点包括：符合车规AEC-Q100标准、支持功能安全ASIL等级、精确的时序控制及强抗干扰能力。PMIC由开关稳压器、LDO、时序控制器、监控保护电路等模块组成，通过分层电源树框架实现电能分配。设计需考虑效率、功率密度、噪声性能等关键维度，底层基于Buck转换器和LDO原理工作。使用中需满足严苛的车规环境要求，并通过静态/动态测试及故障注入测试进行验证，确保系统可靠性和安全
SMMU软件指南SMMU编程之流表(Stream Table)
AI-安全-功耗
12-14 1147
SMMU使用一组内存中的数据结构来定位翻译数据，详见“转换过程概述”（Translation process overview）。SMMU_(*_)STRTAB_BASE 存储初始结构（流表，Stream Table）的基地址。流表项（Stream Table Entry, STE）包含二级（Stage 2）转换表的基址指针，同时也定位一级（Stage 1）配置结构，这些配置结构包含转换表的基址指针。 传入事务的 StreamID，由 SEC_SID 进行限定，决定了用于查找的流表，并定位相应的STE。
深度学习入门 之 Numpy学习笔记（一）
敲不好代码的小透明的博客
04-02 2369
NUmpy 全称 “Numeric python”（数字的python），顾名思义，一个很适合数学运算的python第三方库。
目标检测数据集公路落石和滑坡数据集VOC格式-991张
分为真实场景和SD生成场景真实场景：数据集格式：Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件，仅仅包含jpg图片和对应的xml)图片数量(jpg文件个数)：494标注数量(xml文件个数)：494标注类别数：2标注类别名称:["huapo","luoshi"]每个类别标注的框数：huapo count = 183luoshi count = 351SD场景：数据集格式：Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件，仅仅包含jpg图片和对应的xml)图片数量(jpg文件个数)：497标注数量(xml文件个数)：497标注类别数：1标注类别名称:["luoshi"]每个类别标注的框数：luoshi count = 514数据集介绍地址：bilibili.com/video/BV1Ss4y1i7XZ
Numpy实现深度学习Model
AI浩
10-08 3315
from __future__ import print_function, division from terminaltables import AsciiTable import numpy as np import progressbar from mlfromscratch.utils import batch_iterator from mlfromscratch.utils.misc import bar_widgets class NeuralNetwork(): """Neur
深度学习：numpy篇
2301_80094394的博客
10-15 1251
NumPy (Numerical Python) 是 Python 科学计算库，它提供了对多维数组的支持，拥有高效的数组计算、矩阵运算等功能。对于深度学习来说，NumPy 是处理数据、实现前向传播、计算损失和梯度等操作的重要工具。
史上最全详解NumPy库，小白也能看懂的python入门！
weixin_68789096的博客
10-30 1万+
NumPy，全称Numerical Python，是一个开源的Python库，它为Python提供了强大的多维数组对象和用于处理这些数组的函数。NumPy的核心是ndarray，它是一个高效的多维数组容器，用于存储和处理大规模的数据。NumPy还提供了许多数学函数，用于数组之间的操作，以及用于线性代数、傅立叶变换和随机数生成等功能。NumPy是Python编程中的一个强大工具，它为处理大规模数据、科学计算和数学建模提供了便捷和高效的方法。
数据分析之Numpy模块详解
自成背后的博客
12-29 1万+
文章目录1. Numpy数组和Python列表性能对比 1. Numpy数组和Python列表性能对比
TutorialsPoint NumPy 教程
热门推荐
龙哥盟
12-29 4万+
来源：NumPy Tutorial - TutorialsPoint 译者：飞龙 协议：CC BY-NC-SA 4.0 NumPy - 简介NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合组成的库。Numeric，即 NumPy 的前身，是由 Jim Hugunin 开发的。 也开发了另一个包 Nu
深度学习如何入门？
“365天深度学习训练营”报名进行中～
07-03 3794
我们通过算术学习、MNIST手写数字识别了解了什么是深度学习，也用TensorFlow2实现了MNIST手写数字识别，从整体上了解了一个深度学习程序是什么样子的，应该有哪些步骤📖《深度学习100例》🔥365天深度学习训练营🔥。
深度学习入门预备知识：扫清障碍，轻松启程
最新发布
林间藏好物，码间藏星光 专注分享优质网站、开源项目、小众工具、模型算法 安静攒资源，慢慢变厉害•͈ᴗ⁃͈ ✧
05-22 1105
深度学习入门需要扎实的数学、编程和机器学习基础。数学方面需掌握线性代数（张量运算）、微积分（梯度下降）和概率统计（交叉熵）；编程需熟练Python、NumPy和数据处理工具；机器学习要理解数据集划分、过拟合等概念。硬件上入门级电脑即可，推荐使用PyTorch框架和Anaconda环境管理。最重要的是保持实践导向的学习心态，从小项目入手逐步深入。掌握这些预备知识能有效避免80%的入门困难，为后续学习打下坚实基础。
图解入门Numpy
zzqingyun的博客
01-22 1073
NumPy 是一个运行速度非常快的数学库，主要用于数组计算。NumPy中最核心的数据结构是ND array，表示N维数组。数组中的数据类型要统一大规模的数学运算时，运行速度快提供了很多数据运算的函数比如平均值和标准差等等深度学习中为啥经常用到numpy?轻松处理大数据深度学习的模型通常需要处理非常大的数据，比如图像、音频、文本等。这些数据通常会用数组或矩阵表示。NumPy让这些数据的处理变得很简单，因为它提供了一个叫做“ndarray”的数组，能够快速存储和操作这些数据。
《零基础入门AI：深度学习入门（从PyTorch安装到自动微分）》
m0_75034893的博客
08-06 1297
PyTorch会将数据封装成张量（Tensor）进行计算，所谓张量就是元素为相同类型的多维矩阵。张量可以在 GPU 上加速运行。0维：标量（Scalar） → 温度值 25.31维：向量（Vector） → [1.2, 3.4, 5.6]2维：矩阵（Matrix） → 图片像素矩阵3维+：高阶张量 → 视频数据（宽×高×时间×通道）# 单位矩阵（恒等变换）# 对角矩阵（特征值）
深度学习基础入门：从数学到实现
03-27 1264
深度学习是机器学习的一个重要分支，是一种基于神经网络的算法，被广泛应用于计算机视觉、自然语言处理、语音识别等领域。与传统机器学习算法相比，深度学习具有更高的容错性、复杂性和精度，需要庞大的数据集和高性能硬件支持。深度学习的发展离不开神经元模型、计算机视觉、神经网络优化算法等技术的不断突破和进步。最近MNN这款自研的深度学习框架，已经开始得到广泛关注和应用。
深入探索Deeplearning4j（DL4J）：Java深度学习的全面指南
03-09 7330
Deeplearning4j（DL4J）是一个开源的深度学习框架，专为Java和Scala设计，运行在Java虚拟机（JVM）上。它由Skymind公司开发并维护，旨在将深度学习技术应用于大规模商业应用。DL4J支持多种深度学习模型，包括卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）等。自2014年首次发布以来，DL4J已经成为Java深度学习领域的重要工具之一。DL4J的设计理念是将深度学习技术与Java生态系统无缝集成，同时提供高性能计算支持。
深度学习Python基础
weixin_39489903的博客
06-18 1934
Python 这一编程语言已经问世 20 多年了，在这期间，Python 不仅完成了自身的进化，还获得了大量的用户。现在，Python 作为最具人气的编程语言，受到了许多人的喜爱。 接下来我们将使用 Python 实现深度学习系统。不过在这之前，本章将简单地介绍一下 Python，看一下它的使用方法。已经掌握了 Python、NumPy、Matplotlib 等知识的读者，可以跳过本章，直接阅读后面的章节。 1.1　Python 是什么 Python 是一个简单、易读、易记的编程语言，而且是开源的，可以免费
百度深度学习--numpy基础入门
W_Y_J_love的博客
04-09 469
概述 Numpy（Numerical Python的简称）是高性能科学计算和数据分析的基础包。使用飞桨构建神经网络模型时，通常会使用Numpy实现数据预处理和一些模型指标的计算，飞桨中的Tensor数据可以很方便的和ndarray数组进行相互转换。 本节主要介绍Numpy如下功能： ndarray数组：一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组。 对整组数据进行快速运算的标准数...
深度学习1:Python基础库NumPy与Matplotlib
paopao_wu的专栏
12-18 374
本文介绍了NumPy和Matplotlib在深度学习中的应用。NumPy的核心功能包括多维数组（ndarray）、高效计算、广播机制和数学函数库，提供了丰富的数组生成和运算方法。Matplotlib用于数据可视化，支持绘制多种函数图像，如线性函数、二次函数等，并可通过子图布局展示多个图形。文章还演示了如何设置中文显示和添加函数特性说明，为深度学习实验提供了基础工具和方法。
深入了解 NumPy：深度学习中的数学运算利器
lph159的博客
05-05 1967
NumPy是Python中专门用于科学计算的核心库，提供了强大的多维数组对象和广泛的数学函数集，以支持大量的维度数组和矩阵运算。这些功能特别适用于执行高效的数组运算和复杂的数学运算，是深度学习和数据科学领域不可或缺的工具。通过简单的代码示例展示了如何导入NumPy库、创建和操作数组，以及如何使用NumPy进行基本的算术运算和高级数组操作。此外，NumPy的广播功能可以简化不同形状数组间的运算。文章还探讨了基于索引的数组访问方法，这些都体现了NumPy在科学计算中的强大能力和灵活性。
《深度学习入门：基于Python的理论与实现》PDF
OpenCVtuxiang的博客
05-27 874
《深度学习入门：基于Python的理论与实现》是一本适合初学者的深度学习书籍，通过从零构建神经网络的方式讲解核心原理。该书不使用现成框架，而是基于NumPy实现算法，涵盖感知机、反向传播、CNN等关键内容，帮助读者深入理解神经网络工作机制。书中包含代码实现、数学推导和图解说明，特别适合有Python基础但缺乏ML背景的开发者。学习建议配合实践编码，可作为后续学习PyTorch/TensorFlow的理论基础。
《零基础实践深度学习》1.7 附录：NumPy介绍 ndarray
我亦无他，唯手熟尔
02-14 2125
《零基础实践深度学习》（第1版）2020年正式上线，深受开发者和高校师生追捧，累积学习人数超过9万人。本课程是它的升级版，结合深度学习技术的发展、学员反馈，并结合近两年AI产业应用经验，进行了全面更新和优化。如： • 模型算法方面 ：新增CV、NLP和推荐领域经典模型和算法介绍，以及相应的代码实现，如Transformer、BERT等。 • 产业应用方面 ：新增AI产业应用方法论和使用工具介绍，如芯片选型原则、AI推理部署套件FastDeploy、飞桨产业范例库等。 • 学员反馈方面 ：课程第1章增加P
评论 75
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

香菜+

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值