Theano学习二----numpy

    Numpy是Python中的一个矩阵计算包，功能类似于MATLAB的矩阵计算。具体可参见网站http://www.numpy.org/。安装Pythonxy时已经包含了numpy包及其依赖包。

(1) 定义矩阵

>>> from numpy import *

>>> a = array([[1,2.2,3],[4,5,6]])

>>> a.ndim

2

>>> a.shape

(2,3)

>>> a.size

6

>>> type(a)

<type numpy.ndarray>

>>>a.dtype

dtype('float64')

 

(2) 矩阵大小转换(reshape)

>>>a.reshape(6,1)  -- 将3x2矩阵变成列向量(6x1)，需要注意的是，这里与MATLAB不一样，MATLAB变换是按列向量来的，而NUMPY是基于行向量的

所以numpy的运行结果为：1 4 2.2 5 3 6 （列向量）

而MATLAB的运行结果为 :  1 2.2 3 4 5 6 （列向量）

注意: 对应的MATLAB很多向量默认为列向量，numpy中默认为行向量

 

(3) 矩阵基本运算：

+ , - , *(元素乘法), dot(矩阵乘法), *= , += , -= , **(元素乘方),

<, >, ...

sin,exp, ...

注意：与MATLAB不同，MATLAB中*是矩阵乘法，.*是元素乘法;

 

(4) 特殊的函数

     ones([...]): 全一的矩阵, 如ones([3,4])会产生全1的3x4阶矩阵;

     zeros([....]): 全0的矩阵;

     linspace(start, end, num): 如linspace(0,1,11)结果为[0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1];

     arange(n): 产生一个从0到n-1的向量，如arange(4)结果为[0,1,2,3]

     random.random([...]): 产生随机矩阵，如random.random([2,3])产生一个2x3维的随机数

 

(5) 矩阵成员

     a.max(): 返回矩阵的最大值

     a.min(): 返回矩阵最小值

     a.sum(): 求和

     a.mean(): 求均值

     a.max(axis): 0-按列求值，返回一行， 1-按行求值，返回一列

     a.transpose(): 转置

 

(6) 矩阵访问：

   对于一维矩阵，a[0]表示a向量的第1个元素;

   对于二维矩阵，a[0,0]表示a的第1个元素，a[0,:]表示a的第一行向量，a[:,0]表示第一列向量