1.Numpy的使用
在深度学习的实现中，经常出现数组和矩阵的计算。 NumPy的数组类（numpy.array）中提供了很多便捷的方法，在实现深度学习时，我们将使用这些方法。本节我们来简单介绍一下后面会用到的NumPy。
在这里可以使用Numpy创建多为数组进行矩阵运算：
import numpy as np
x = np.array([1,2,3])
x.shape # (1, 3) 形状
y = np.array([2,4,6])
x + y # [3, 6, 9]
x * y # [2, 8, 18]
y - x # [1, 2, 3]
y / x # [2, 2, 2]当然，Numpy不仅可以生成一维数组，而且还可以生成二维数组：
x = np.array([[1,2], [3,4]])
x.shape # (2, 2)这里不去过多的讲述numpy的使用方法，具体的教程可以参考：菜鸟教程
2.Matplotlib的使用
在深度学习的实验中，图形的绘制和数据的可视化非常重要。 Matplotlib是用于绘制图形的库，使用Matplotlib可以轻松地绘制图形和实现数据的可视化。这里，我们来介绍一下图形的绘制方法和图像的显示方法。
可以使用 matplotlib的 pyplot模块绘制图形。话不多说，我们来看一个绘制sin函数曲线的例子：
import numpy as np
import matplotlib.pyplot as plt
'''
画坐sin和cos图像
'''
x = np.arange(0, 6, 0.1)
print(x)
y1 = np.sin(x) # sin
y2 = np.cos(x) # cos
plt.plot(x, y1, label="sin") # 默认实线和标签
plt.plot(x, y2, linestyle = "--", label="cos") # 设置虚线和标签
plt.xlabel("x") # x轴标志
plt.ylabel("y") # y轴标志
plt.title('sin & cos') # 标题
plt.legend() # 说明
plt.show() # 显示运行结果：
当然除了绘制一些函数曲线，我吗们也可用matplotlob来导入图片，pyplot 中还提供了用于显示图像的方法 imshow()。另外，可以使用matplotlib.image模块的imread()方法读入图像。下面我们来看一个例子：
import matplotlib.pyplot as plt
from matplotlib.image import imread
img = imread('timg.png') # 读入图像（设定合适的路径！）
plt.imshow(img)
plt.show()结果：
更多关于matplotlib的信息，请关注官网：https://matplotlib.org/，或者下载文档学习查阅：
扫描二维码关注公众号，回复：
11643116 查看本文章
链接：https://pan.baidu.com/s/1YTtYAyyJKghVSrXt1ZPIbw
提取码：mv8s