【邱希鹏】神经网络与深度学习编程习题-chap1-warmup

1. numpy 的array操作

# 1. 导入numpy库
import numpy as np 

# 2.建立一个一维数组 a 初始化为[4,5,6], 
# (1) 输出a 的类型(type)
# (2) 输出a的各维度的大小(shape)
# (3) 输出 a的第一个元素(值为4)
a = np.array([4, 5, 6])
print(type(a))
print(a.shape)
print(a[0])

# 3.建立一个二维数组 b,初始化为 [ [4, 5, 6],[1, 2, 3]] 
# (1) 输出各维度的大小(shape)
# (2) 输出 b(0,0),b(0,1),b(1,1) 这三个元素(对应值分别为4,5,2)
b = np.array([[4, 5, 6], [1, 2, 3]])

print(b.shape)
print(b[0, 0], b[0, 1], b[1, 1])

# 4. (1) 建立一个全0矩阵 a, 大小为 3x3; 类型为整型(提示: dtype = int)
# (2) 建立一个全1矩阵b,大小为4x5; (3)建立一个单位矩阵c ,大小为4x4; (4)生成一个随机数矩阵d,大小为 3x2.
a = np.zeros((3, 3), dtype=int)
b = np.ones((4, 5))
c = np.eye(4, 4)
d = np.random.randn(3, 2)
print(a)
print(b)
print(c)
print(d)

# 5. 建立一个数组 a,(值为[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]] ) ,
# (1) 打印a; 
# (2) 输出 下标为(2,3),(0,0) 这两个数组元素的值
a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
print(a)
print(a[2, 3])
print(a[0, 0])

# 6.把上一题的 a数组的 0到1行 2到3列,放到b里面去,(此处不需要从新建立a,直接调用即可)
# (1) 输出b;
# (2) 输出b 的(0,0)这个元素的值
b = a[0:1, 2:3]
print(b)
print(b[0, 0])

# 7. 把第5题中数组a的最后两行所有元素放到 c中,(提示: a[1:2, :])
# (1) 输出 c ; 
# (2) 输出 c 中第一行的最后一个元素(提示,使用 -1 表示最后一个元素)
c = a[-2:, :]
print(c)
print(c[1, -1])

# 8.建立数组a, 初始化a为[[1, 2], [3, 4], [5, 6]],输出 (0,0)(1,1)(2,0)这三个元素(提示: 使用 print(a[[0, 1, 2], [0, 1, 0]]) )
a = np.array([[1, 2], [3, 4], [5, 6]])
print(a[[0, 1, 2], [0, 1, 0]])     # [[想输出的行数下标], [想输出的列数下标]]

# 9.建立矩阵a ,初始化为[[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]],输出(0,0),(1,2),(2,0),(3,1) (提示使用 b = np.array([0, 2, 0, 1]) print(a[np.arange(4), b]))
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])

b = np.array([0, 2, 0, 1])
print(a[np.arange(4), b])

# 10.对9 中输出的那四个元素,每个都加上10,然后重新输出矩阵a.(提示: a[np.arange(4), b] += 10 )
a[np.arange(4), b] += 10
print(a)

2. array 的数学运算

11. 执行 x = np.array([1, 2]),然后输出 x 的数据类型

x = np.array([1, 2])
print(x.dtype)         # int32

12. 执行 x = np.array([1.0, 2.0]) ,然后输出 x 的数据类型

x = np.array([1.0, 2.0]) 
print(x.dtype)        # float64

13. 执行 x = np.array([[1, 2], [3, 4]], dtype=np.float64) ,y = np.array([[5, 6], [7, 8]], dtype=np.float64),然后输出 x+y 和 np.add(x,y)

x = np.array([[1, 2], [3, 4]], dtype=np.float64)
y = np.array([[5, 6], [7, 8]], dtype=np.float64)
print(x + y)
print(np.add(x, y))

[[ 6. 8.]
[10. 12.]]
[[ 6. 8.]
[10. 12.]]

14. 利用 13题目中的x,y 输出 x-y 和 np.subtract(x,y)

print(x - y)
print(np.subtract(x, y))

[[-4. -4.]
[-4. -4.]]
[[-4. -4.]
[-4. -4.]]

15. 利用13题目中的x,y 输出 x*y ,和 np.multiply(x, y) 还有 np.dot(x,y),比较差异。然后自己换一个不是方阵的试试。

print(x * y)
print(np.multiply(x, y))

# 矩阵乘法
print(np.dot(x, y))

x1 = np.array([[1, 1, 1], [2, 2, 2]])
y1 = np.array([[1,1], [2, 2], [3, 3]])
print(np.dot(x1, y1))
# print(x * y)    # 不是方阵,不能元素相乘

[[ 5. 12.]
[21. 32.]]
[[ 5. 12.]
[21. 32.]]
[[19. 22.]
[43. 50.]]
[[ 6 6]
[12 12]]

16. 利用13题目中的x,y,输出 x / y .(提示 : 使用函数 np.divide())

print(x / y)
print(np.divide(x, y))

[[0.2 0.33333333]
[0.42857143 0.5 ]]
[[0.2 0.33333333]
[0.42857143 0.5 ]]

17. 利用13题目中的x,输出 x的 开方。(提示: 使用函数 np.sqrt() )

print(np.sqrt(x))

[[1. 1.41421356]
[1.73205081 2. ]]

18. 利用13题目中的x,y ,执行 print(x.dot(y)) 和 print(np.dot(x,y))

print(x.dot(y))
print(np.dot(x, y))

[[19. 22.]
[43. 50.]]
[[19. 22.]
[43. 50.]]

19. 利用13题目中的 x,进行求和。提示:输出三种求和 (1)print(np.sum(x)): (2)print(np.sum(x,axis =0 )); (3)print(np.sum(x,axis = 1))

print(x, '\n')
print(np.sum(x), '\n')
print(np.sum(x, axis=0), '\n')   # 求一列的和
print(np.sum(x, axis=1), '\n')   # 求一行的和

[[1. 2.]
[3. 4.]]

10.0

[4. 6.]

[3. 7.]

20. 利用13题目中的 x,进行求平均数(提示:输出三种平均数(1)print(np.mean(x)) (2)print(np.mean(x,axis = 0))(3) print(np.mean(x,axis =1)))

print(x)
print(np.mean(x))
print(np.mean(x, axis=0))   # 求一列的平均
print(np.mean(x, axis=1))   # 求一行的平均

[[1. 2.]
[3. 4.]]
2.5
[2. 3.]
[1.5 3.5]

21. 利用13题目中的x,对x 进行矩阵转置,然后输出转置后的结果,(提示: x.T 表示对 x 的转置)

print(x.T)

[[1. 3.]
[2. 4.]]

22. 利用13题目中的x,求e的指数(提示: 函数 np.exp())

print(np.exp(x))

[[ 2.71828183 7.3890561 ]
[20.08553692 54.59815003]]

23. 利用13题目中的 x,求值最大的下标(提示(1)print(np.argmax(x)) ,(2) print(np.argmax(x, axis =0))(3)print(np.argmax(x),axis =1))

print(x)
print(np.argmax(x))
print(np.argmax(x, axis=0))    # 求一列最大值索引
print(np.argmax(x, axis=1))    # 求一行最大值索引

24. 画图,y=x*x 其中 x = np.arange(0, 100, 0.1) (提示这里用到 matplotlib.pyplot 库)

import matplotlib.pylab as plt

x = np.arange(0, 100, 0.1)
y = x * x
with plt.style.context(['science']):
    plt.figure()
    plt.plot(x, y)
    plt.show()

【邱希鹏】神经网络与深度学习编程习题-chap1-warmup_第1张图片

25. 画正弦函数和余弦函数, x = np.arange(0, 3 * np.pi, 0.1)(提示:这里用到 np.sin() np.cos() 函数和 matplotlib.pyplot 库)

x = np.arange(0, 3 * np.pi, 0.1)
y = np.sin(x)
z = np.cos(x)
with plt.style.context(['science']):
    plt.plot(x, y)
    plt.plot(x, z)
    plt.show()

【邱希鹏】神经网络与深度学习编程习题-chap1-warmup_第2张图片

你可能感兴趣的:(【邱希鹏】神经网络与深度学习编程习题-chap1-warmup)