摘要： 纯NumPy代码从头实现简单的神经网络。 Keras、TensorFlow以及PyTorch都是高级别的深度学习框架，可用于快速构建复杂模型。前不久，我曾写过一篇文章，对神经网络是如何工作的进行了简单的讲解。该文章侧重于对神经网络中运用到的数学理论知识进行详解。本文将利用NumPy实现简单的神经网络，在实战中对其进行深层次剖析。最后，我们会利用分类问题对模型进行测试，并与Keras所构建的神经网络模型进行性能的比较。 Note：源码可在我的GitHub中查看。 在正式开始之前，需要先对所做实验进行构思。我们想要编写一个程序，使其能够创建一个具有指定架构（层的数量、大小以及激活函数）

numpy的基本使用ａｐｉ的简介

适合入门numpy包的朋友，题目在代码前面的注释，题目加算法（入门级）

源来源：https://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy 本版本兼容性好，可以直接安装cvxopt，详细说明见我的博客 numpy-1.16.3+mkl-cp36-cp36m-win_amd64.whl cvxopt-1.2.3-cp36-cp36m-win_amd64.whl

使用Python库研究数据集 在这个项目中，我分析了一个数据集，然后传达了关于它的发现。 我使用Python库NumPy，pandas和Matplotlib进行了分析。 我选择进行分析的数据集包含有关从电影数据库（TMDb）收集的10,000部电影的信息，包括用户评分和收入。 我分析了此数据集，以回答2个问题：1）哪些电影通常收入最高？ 2）每年哪种类型最受欢迎？ 在项目的“数据整理”部分，我加载了数据，检查其清洁度，然后修剪并清理数据集以进行分析。 在该项目的“探索性数据分析”部分中，我使用了内置的函数库来描述数据并对其进行可视化，最后总结了我的发现和结论。

下了好久，，为了攒积分，，凑字数，后面我粘贴了啊， 准安装的Python中用列表(list)保存一组值，可以用来当作数组使用，不过由于列表的元素可以是任何对象，因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3]，需要有3个指针和三个整数对象。对于数值运算来说这种结构显然比较浪费内存和CPU计算时间。 2. 此外Python还提供了一个array模块，array对象和列表不同，它直接保存数值，和C语言的一维数组比较类似。但是由于它不支持多维，也没有各种运算函数，因此也不适合做数值运算。 3. 所以numpy就这么登场了，NumPy是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。

第3课 Python与Numpy基础

强化学习中的python和numpy编程基础

适合学习自然语言的入门者，内部含数据集

适合深度学习入门者，简单易于理解