动手学深度学习》笔记 2.4 “微积分”

在微积分这一章节中，理论知识自不必说，考研都考过了的。
就是在此书中的画出函数微分图像的示例值得关注一下。
说白了其实就是我的python基础还是差劲了点。

比较值得注意的点是，作者将画图的代码都封装到了一个函数里，比如图的横纵坐标的参数，以及图的尺寸的大小，当后面多处需要画图时，简单调用就行。

这是每一个初学编程者学到函数章节时都会学的思想，只不过被我这个小菜鸡遗忘了。

在这一小节，记录的还是在此书示例时，我不懂的一些python函数，属于基础知识。各位大佬不小心刷到我这篇，请轻喷~~~~~

1.将输出保留固定的小数位

1.format方法
h = 0.2546845845468
print(f'{h:.5f}')
h = 0.25468

2.round函数
print(round(h, 6))
0.254685

2.图例中配置网格线

axes.grid()

3.plt.gca()函数

axes = axes if axes else d2l.plt.gca()
//这句话出现在此书作图的代码中，gca函数是获得当前axes的对象，什么意思我没有理解,后续了解了再回来解释

4.Numpy库中ndarray对象的ndim属性
ndim属性用来返回数组的维度，如果是一维数组或者是一个列向量，那么其ndim为1；若是二维数组，那么就是2；三维就是3了。

//一维
x = torch.arange(10)
print(x)
print(x.ndim)
//result
tensor([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
1

//二维
x = x.reshape(2, 5)
print(x)
print(x.ndim)
//result
tensor([[0, 1, 2, 3, 4],
        [5, 6, 7, 8, 9]])
2

//三维
x = torch.arange(12)
x = x.reshape(2, 2, 3)
print(x)
print(x.ndim)
//result
tensor([[[ 0,  1,  2],
         [ 3,  4,  5]],

        [[ 6,  7,  8],
         [ 9, 10, 11]]])
3

5. hasattr()函数
   这个函数用来判断函数是否包含某一个对像，若有对应属性，返回True；否则，返回False。

print(hasattr(x, "ndim"))
True

6.isinstance()函数
判断一个对象是否是一个已知的类型。若是否是int型、string类型、列表或者是元组。需要知道的是，isinstance函数会考虑继承关系，即认为子类是一种父类类型。

x = torch.arange(12)
print(isinstance(x, list))
print(isinstance(x, torch.Tensor))
False
True