1.1 把图像数字化

NumPy是Python的第三方库，若要使用它，需要先导入。

导入NumPy后，可通过输入np.+Tab键查看可使用的函数。如果你对其中一些函数的使用方法不是很清楚，还可以通过运行“对应函数+?”命令的方式，看到使用函数的帮助信息。

例如，输入np.，然后按Tab键，将出现如图1-1所示界面。

运行如下命令，可查看函数abs的详细帮助信息。

NumPy不但强大，而且非常友好。接下来我将介绍NumPy的一些常用方法，尤其是与机器学习、深度学习相关的一些内容。

前面提到，NumPy封装了一个新的多维数组对象ndarray。该对象封装了许多常用的数学运算函数，以便我们做数据处理、数据分析等。如何生成ndarray呢？这里介绍几种生成ndarray的方式，如从已有数据中生成，利用random模块生成，使用arange、Linspace函数生成等。

机器学习中的图像、自然语言、语音等在输入模型之前都需要数字化。这里我们用cv2把一个汽车图像转换为NumPy多维数组，然后查看该多维数组的基本属性，具体代码如下：

运行结果如下，效果如图1-2所示。

1.1.1 数组属性

在NumPy中，维度被称为轴，比如我们把汽车图像转换为一个NumPy 3维数组，这个数组中有3个轴，长度分别为675、1200、3。

NumPy的ndarray对象有3个重要的属性，分析如下。

❑ndarray.ndim：数组的维度（轴的个数）。

❑ndarray.shape：数组的维度，它的值是一个整数元祖。元祖的值代表其所对应的轴的长度。比如对于2维数组，它用来表达这是几行几列的矩阵，值为(x,y)，其中x代表这个数组有几行，y代表有几列。

❑ndarray.dtype：描述数组中元素的类型。

比如上面提到的img数组：

为更好地理解ndarray对象的3个重要属性，我们对1维数组、2维数组、3维数组进行可视化，如图1-3所示。

1.1.2 从已有数据中生成数组

直接对Python的基础数据类型（如列表、元组等）进行转换来生成数组。

1）将列表转换成数组。

2）将嵌套列表转换成多维数组。

如果把上面示例中的列表换成元组，上述的转换方法也同样适用。

1.1.3 利用random模块生成数组

在深度学习中，我们经常需要对一些参数进行初始化。为了更有效地训练模型，提高模型的性能，有些初始化还需要满足一定条件，如满足正态分布或均匀分布等。这里我们先来看看np.random模块常用函数，如表1-1所示。

下面我们来看看一些函数的具体使用方法：

运行结果如下：

用以上方法生成的随机数是无法重现的，比如调用两次np.random.randn(3, 3)，输出同样结果的概率极低。如果我们想要多次生成同一份数据，应该怎么办呢？可以使用np.random.seed函数设置种子。设置一个种子，然后调用随机函数产生一个数组，如果想要再次得到一个一模一样的数组，只要再次设置同样的种子就可以。

运行结果如下：

1.1.4 利用arange、linspace函数生成数组

有时，我们希望用到具有特定规律的一组数据，这时可以使用NumPy提供的arange、linspace函数来生成数组。

arange是numpy模块中的函数，其格式为：

其中start与stop用于指定范围，step用于设定步长，生成1个ndarray。start默认为0，step可为小数。Python的内置函数range的功能与此类似。

linspace也是numpy模块中常用的函数，其格式为：

它可以根据输入的指定数据范围以及等份数量，自动生成一个线性等分向量，其中endpoint（包含终点）默认为True，等分数量num默认为50。如果将retstep设置为True，则会返回一个带步长的数组。

值得一提的是，这里并没有像我们预期的那样生成0.1, 0.2, …, 1.0这样步长为0.1的数组，这是因为linspace必定会包含数据起点和终点，那么其步长为(1-0)/9=0.11111111。如果需要产生0.1, 0.2,…, 1.0这样的数据，只需要将数据起点0修改为0.1即可。

除了上面介绍的arange和linspace函数，NumPy还提供了logspace函数，该函数的使用方法与linspace的使用方法一样，读者不妨自己动手试一下。