numpy的使用

Numpy是Python中科学计算的核心库。它提供了一个高性能的多维数组对象，以及处理这些数组的工具。如果你已经熟悉MATLAB，你可能会发现这个教程对开始使用Numpy很有用。
运行并阅读cs231n课程网站上提供的示例代码，感觉十分简洁，对入门numpy的初学者来讲，很友好！我也没有系统学习过numpy，所以也读了一下网站上的示例代码。
网址如下：https://cs231n.github.io/python-numpy-tutorial/
有以下地方值得特别注意：
1、矩阵乘法要使用np.dot(a, b)，而不是ab，ab计算的是矩阵中对应元素相乘，最后结果的维数和a，b相同。

2、axis表示sum的对象到底是行，还是列，为0表示sum的行，1表示sum的是列

3、numpy里面不区分行向量还是列向量，因为v和v.T相同，这也就是说，我们在进行矩阵乘法运算的时候，如果只有一个维度，我们可以不考虑到底是行向量还是列向量。

4、广播机制，粗俗理解：一个矩阵m和一个数n相加，numpy很聪明，他不会报错，而是聪明的告诉这个矩阵，要给每个元素都加上n，这个过程就叫做广播。同理，我们可以用一个大矩阵加上一个小矩阵（最内层维度的大小）

如果不是最内层维度，那么就会报错：

它告诉我们不能广播，维度（4，3）和（4，）不匹配。
5、在运行scipy的代码时，发现报错以下错误

这其实是由于版本不同导致的，由于我默认安装的为sci的最新版本，而在scipy1.0以上的版本中imread，imsave，imresize都已经被废除了，但是，由于我的python版本为3.9，这导致我无法安装scipy1.0以下的版本，所以，这里我选择了更换python的第三方库来实现同样的功能。

import imageio
import cv2 as cv
from PIL import Image
import numpy as np



# Read an JPEG image into a numpy array
img = imageio.v2.imread('assets/cat.jpg')
print(img.dtype, img.shape)  # Prints "uint8 (400, 248, 3)"

# We can tint the image by scaling each of the color channels
# by a different scalar constant. The image has shape (400, 248, 3);
# we multiply it by the array [1, 0.95, 0.9] of shape (3,);
# numpy broadcasting means that this leaves the red channel unchanged,
# and multiplies the green and blue channels by 0.95 and 0.9
# respectively.
img_tinted = img * [1, 0.95, 0.9]

# Resize the tinted image to be 300 by 300 pixels.
# img_tinted = imresize(img_tinted, (300, 300))
# np.array(Image.fromarray(img_tinted).resize((300, 300)))
img_tinted = cv.resize(img, (300, 300), interpolation=cv.INTER_AREA)  

# Write the tinted image back to disk
cv.imwrite("assets/cat_tinted.jpg", img_tinted)

在工作目录的assets文件夹中，运行结果如下：

可以看到，小猫咪变胖了，而且颜色也有所变化，这主要和我们rgb三通道缩放的倍数有关（img_tinted = img * [1, 0.95, 0.9]）
后面还有matplotlib，图片显示等方面的实例代码，很简单，也没有遇到问题，在此就不再一一罗列了。