深度学习实战之Python教程（2）

超、凢脫俗 2022-11-20 08:13 190阅读 0赞

# Python入门教程 #

以熟练使用Pytorch完成深度学习模型为目标，简单介绍Pytorch涉及到的Python基础（Python其它知识可以在遇到后再学习，先动手）。  
    这篇教程并不涉及Python的复杂方法，教程的结构如下：  
    1.[Python实例][Python]  
    2.[Python基础][Python]  
     - 2.1 [Python数据类型][Python]  
     - 2.2 [Python语法][Python]

3.Numpy  
    4.类  
    5.文件读写  
    6.错误分析

## 3.Numpy ##

3.1Numpy中主要是数组array的计算，数组是一个包含同类型数据的对象，数组有点类似于之前所述的列表。

import numpy as np
    
    # 生成数组，np.array(列表，dtype)，这里的dtype表示数组的类型，是可选参数。
    a = np.array([1,2])
    print(a)  # 输出[1,2]
    
    
    # 多维数组以及数组的一些常见方法
    a = np.array([[1,2,3],
                  [4,5,6],
                  [7,8,9],
                  [10,11,12]])

3.2 数组查询与切片是一个比较重要，且常用的方法

# case1 查询
    print(a[0,1])  #输出2,表示第0行第1列
    
    # case2 切片
    print(a[0:2,1:3])  #输出[[2 3],[5 6]] 表示第0-1行中的1-2列

3.3 获取Numpy数组的属性

# case3 获取shape，类型等信息
    print(a.shape)  # 输出（3,3）
    print(a.dtype)  # 输出int32

3.4 维数操作  
    在深度学习中用到的tensor张量与numpy数组比较类似，会涉及到比较多维数上的操作，需要对维数有个比较深刻的认识，这里要注意增加维数与挤压维数比较常用。  
    如果数组的shape为(5,3,4,5)表示第一维有5个，第二维有3个，第三维有4个，第四维有5个。

# case4 重新调整shape,reshape
    b = a.reshape(2,6)
    print(b)  # 输出[[ 1 2 3 4 5 6],[ 7 8 9 10 11 12]]
    
    # 增加维数
    c = np.array([1,2,3])
    print(c.shape)  # 输出(3,)
    d = c[np.newaxis,:]
    print(d)  # 输出[[1 2 3]]
    
    # 挤压维度，只能挤压维数为1的
    print(d.shape)  # 输出(1, 3)
    c = np.squeeze(d)
    print(c)  # 输出 [1,2,3]
    
    # 数组拼接
    a = np.array([[1,2,3],
                  [4,5,6]])
    b = np.array([[7,8,9],
                  [10,11,12]])
    
    d1 = np.concatenate((a,b),axis=0)
    print(d1)  # 输出 [[ 1 2 3],[ 4 5 6],[ 7 8 9],[10 11 12]]
    d2 = np.concatenate((a,b),axis=1)
    print(d2)  # 输出 [[ 1 2 3 7 8 9],[ 4 5 6 10 11 12]]

3.5 数组条件查询  
    在图像处理或numpy使用中比较常用的方法是对数组进行条件查询，并对满足条件的值修改。  
3.5.1 对数组中满足条件的位置赋值，支持多条件查询

# 数组中元素小于5的设置为0
    a = np.array([[1,2,3],
                  [4,5,6]])
    a[a<5]=0
    print(a)  # 输出[[0 0 0],[0 5 6]]

3.5.1 查找满足条件的数组的位置，用np.where()，同样可以多条件查询.

# 找数组元素等于1的位置
    a = np.array([[1,2,1],
                  [4,5,1]])
    print(np.where(a==1))  # 输出(array([0, 0, 1], dtype=int64), array([0, 2, 2], dtype=int64))

这里np.where返回的是一个x,y坐标数组，如上图表示满足条件的位置在\[0,0\],\[0,2\],\[1,2\]三个点。

# 将上述查找到的元素赋值为255
    a[np.where(a==1)]=255
    print(a)  # 输出[[255 2 255],[4 5 255]]

练习1.a = np.array(\[1,2,3.2\],dtype=np.int)，a等于什么？提示：数据类型与a中不太一样。  
练习2. 有两个数组a,b，令a与b的元素中相同且为0的元素更改为255.  
a = np.array(\[\[1,0,3\],\[4,0,6\]\]), b = np.array(\[\[0,2,3\],\[4,0,6\]\])

## 4.类 ##

先看一下类相关的一些简单描述。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzE2MjI0MA_size_16_color_FFFFFF_t_70_pic_center]

4.1类的创建与实例化  
    这里类可以理解为一个模板，比如人是一个类。实例化是用模板创建了一个具体的对象，比如“小明”就是类实例化的一个对象，且有了这个模板后我可以轻而易举的创建无数个实例对象，比如女娲以人类为模板创建了无数的具体的人。

# 类的创建 class 类名:
    class Dog:
        def hello(self):
            print("hello dog")
    
    # 实例化
    a = Dog()

4.2初始化  
    创建了人类这个模板后，不能是空的，我希望他能有名字，有性别，有出生日期，所以需要再每次实例化一个人的时候赋予他这些属性，就有了初始化。  
    注意初始化是在每次实例化的时候都会运行的函数。函数名不能自定义，且self表示实例本身，比如实例化了xiaoming后，xiaoming这个对象里面self就表示xiaoming.  
    def **init**(self,参数1,参数2…):

# 初始化
    class Person(object):
        def __init__(self, name, gender, birth):
            self.name = name
            self.gender = gender
            self.birth = birth
    
    # 创建实例，同时，属性name, gender, birth绑定到了xiaoming上
    xiaoming = Person('Xiao Ming', 'Male', '1991-1-1')  # 这时候类中的self.name都表示'Xiao Ming'
    xiaohong = Person('Xiao Hong', 'Female', '1992-2-2')
    
    # 输出'Xiao Ming'
    print(xiaoming.name)

4.3类的属性与实例属性  
    类的属性或者类的方法调用都是用英文句号“.”表示。  
    类的属性与实例属性的区别在于它们有没有self.如下图所示，num是类属性，name是实例属性。  
    类的属性在不实例化也可以调用，但是实例属性只能在实例化后给实例对象调用，因为实例属性在\_\_init\_\_函数中，只有实例化才会运行该函数。

# 类属性与实例属性
    class Test:
     
        num=100    # 类属性
        def __init__(self, name):
            self.name=name     #实例属性
    
    print(Test.num)  # 打印 100
    # print(Test.name) # 报错，Test没有属性name。
    test1 = Test("Bob") 
    print(test1.num)  # 打印 100
    print(test1.name)  # 打印 "Bob"

4.4类的方法  
    类的方法与属性一样，也有类方法与实例方法，一般用到的都是实例方法，所以这里只讲实例方法。

# 类方法
    class ComplexNumber:
        def __init__(self,real = 0,imag = 0):
            self.real = real
            self.imag = imag
        
        def show(self):
            print("{}+{}i".format(self.real,self.imag))  
    # 实例化
    c1 = ComplexNumber(2,3)
    c1.show() # 打印2+3i

4.5类的继承  
    有时候需要复用一个类A的大多数方法与属性，这时候就可以通过继承A来实现。  
4.5.1 父类的定义与普通类的定义一致

# 类的继承
    # 父类Person的定义
    class Person:
        def __init__(self, name):
            self.name = name
        
        def print_name(self):
            print("name is " + self.name)

4.5.2 子类  
(1)子类的定义与普通类的定义有所区别，class 子类名(父类名):  
(2)在初始化时需要初始化父类的初始化函数。  
(3)子类可以调用父类的方法与属性。

# 子类学生的定义
    class Student(Person):
        def __init__(self, name, score):
            Person.__init__(self, name)  # Person.__init__(self, name)是一样的效果
            # 一定要用 super(Student, self).__init__(name) 去初始化父类，否则，继承自 Person 的 Student 将没有 name。
    
            self.score = score  # 学生的特有属性分数。
    
        def print_score(self):
            print("score is", self.score)
    
    
    Bob = Student("Bob", 90)
    Bob.print_name()  # Student没有print_name方法也可以打印"name is Bob"
    Bob.print_score()  # 打印"score is" 90

[Python]: https://blog.csdn.net/weixin_43162240/article/details/109312279
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzE2MjI0MA_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/286282bdce65414bab51d7e5dfdb6951.png