创建一个项目

• 新建一个文件夹即可
• 新建一个虚拟环境
• 查看已有的虚拟环境命令

02 搭建环境

• anaconda —Python
• pycharm /vscode — IDE

03虚拟环境

• 进入anaconda安装目录-》选择anaconda prompt 就会进入专有的命令行下面的命令都是在这里面敲的
• 查看已有的虚拟环境命令 :

conda env list

• 查看使用的Python版本命令(我的base 环境是3.8.2)：
  python -V
• 创建虚拟环境命令：

conda create -n py310 python=3.10

• 激活虚拟环境命令：

conda activate py310  

• 停止某个虚拟环境

conda deactivate

04 使用虚拟环境

1.打开pycharm 窗口右下角点击Python 3.8 会弹出一个窗口，选择interpreter setting
2.再打开的新窗口选择 add interpreter，选中你自己创建的环境即可

框架Framework

• 避免重复造轮子
• 偏底层
  1.三剑客
  • 科学计算：numpy
  • 二维表处理： pandas
  • 数据可视化： matplotlib
• 偏上层的框架：
  2.机器学习
  • sklearn 实现了所有机器学习算法！！！重点学习
  • 科研，学术，工业皆可
    3.深度学习
• TensorFlow 老牌巨头，日薄西山
• pytorch 学术新贵，日益火爆！！！重点学习
• paddlepaddle 国内 百度，学好上面两个，就好转这个了
• 只提供积木，本身并没有实现任何算法

05 科学计算神器**

• numpy
• pytorch

06 IDE选择问题

• 传统开发 web，GUI，游戏开发，运维开发 pycharm，vscode首选，强大的提醒和补全
• 数据科学 加载大量的数据 算法开发或调试：首选jupyter，玉皇大帝角色
• 线上运行时：py文件
• import torch （不是pytorch）

07 编程要领

• 现学现卖

• Print 一切皆可打印

• Type 一切皆可查看类型，因为是动态语言，

• Dir 一切皆可查看功能

• 查看文档

• jupyter 快键键：

• Tab键补全

• shift + tab 查看方法文档

• Ctrl+ / 注释反注释

• Ctrl + enter

• shift+ enter

• 代码模式 enter

• 命令模式 esc

• 命令模式下 M markdown Y code模式

• 命令模式下 b 下面加一个cell，a上面加一个cell

• dd 删除当前cell

08 pytorch 安装

官网 https://pytorch.org/get-started/locally/

注意电脑系统不同，生成的命令是不同的。

选择 stable2.0.1 OS选Mac package 选 conda language 选 python

compute platform 选default ，如果有独立显卡可以选cuda打头的

然后复制下面的代码即可

MPS acceleration is available on MacOS 12.3+

conda install pytorch::pytorch torchvision torchaudio -c pytorch

09 科学计算

• 看得懂公式
• 把公式变成代码
• 矢量计算
• 矩阵计算

10 矢量

• 标量 scalar 单个数 维度为0

• 向量 矢量 ： vector 一串数 一维数组 维度为1

• 矩阵 matrix 【m,n】一个面数 二维数组 维度为2

• 张量 tensor 【N,C,H,W】 高维数组

11 易混概念

• 向量，矢量，一维数组
• 向量的模，向量的长度，向量的二范数
• 向量的内积，向量的点乘积，@

12 arr = np.array([1,2,3])

• arr **2 即可计算每个元素的平方

• (arr**2).sum()可以对前面的数组求和

• np.sqrt() 求开方

• np.linalg.norm(arr) 求数组的二范数

• ab内积 == a 的模乘以b的模 乘以cos ab的夹角，

• Numpy下两个向量求内积方式有3种

• a*b 之后对结果进行遍历相加

• 直接用 a@b求

• 直接用a.dot(b)求

• 元素级相乘 a*b 是一个跟ab一样长的向量。

• 向量相乘 向量点乘积 是个数 a@b

• 求两个向量相似度

• cosine_similarity_a_b = a@b/np.linalg.norm(a)/np.linalg.norm(b)

• 矩阵相乘 前提条件 矩阵a如果是M行N列，矩阵b必须是N行K列。

• 矩阵相乘的过程其实就是矩阵a每行和b每列的内积。

• 快速的生成一个矩阵

• 1. 用np.array(list(range(12))) 产生一个一维数组

• 2. 再用 arr.reshape(3,4)生成一个3行4列的二维矩阵，后面的4可以写成-1，这样计算机会自己算几列。

• 矩阵相乘： 矩阵a @ 矩阵b即可，计算前必须验证两个矩阵是否可以相乘

• 两个矩阵的ndim方法返回值必须是2，第一个矩阵的列必须和第二矩阵的行必须相同

• ndim 返回数组的纬度，是一个数字

• Shape 表示各维度的大小，返回的是一个元组

• Dtype 数组数据类型，比如 int32

• astype astype：转换数组的数据类型。

• int32 --> float64 完全ok

• float64 --> int32 会将小数部分截断

• string --> float64 如果字符串数组表示的全是数字，也可以用astype转化为数值类型