Numpy：高维数组（矩阵）
numpy库为python提供了很多方便的数学计算方法，尤其是提供了数组，极大方便了使用python进行矩阵运算，使其在机器学习和深度学习中得到有效利用，本文详细介绍一下高维矩阵问题。 平时我们使用最多的就是一，二维和三维矩阵，以前我容易将其跟立体几何联系起来。后来发现这样是非常错误的，因为再高一点的维度就不能想象了。所以，按照矩阵的形式，从外向内，逐层分解才能掌握好矩阵。 正文： 将以下代码敲一遍就会豁然开朗： import numpy as np a=np.arange(10) print(a) print(a[0:9]) # 包头不包尾 print(a[3:6]) print(a[:5]) # :前面不写就是从下标为0开始 print(a[5:]) # :后面不写就是一直到最后一个元素 print(a[:]) # :前后都不写就是从头到尾 print('---------------') ''' 多维矩阵按括号的层级，从外向内，一次是第1，2，3，...维 b[]内用逗号将各维分开，分别代表第1,2,3...维元素 每个维度上都有自己的下标，也可以用':'取部分 ''' b= n...
