今天是新專欄《AI白身境》的第三篇，所謂白身，就是什么都不會，還沒有進(jìn)入角色。

上一篇給大家介紹了如何正確使用Linux，如何利用shell，vim，git這三大神器。相信大家也掌握的差不多了，今天就和大家分享下對于python，我們應(yīng)該如何掌握，如何正確把它和深度學(xué)習(xí)完美的結(jié)合起來。

作者 | 湯興旺 言有三

? ? 編輯 | 湯興旺 言有三

01

基礎(chǔ)操作

人生苦短，必須學(xué)好python！python現(xiàn)在火的程度已經(jīng)不需要我多言了，它為什么為火，我認(rèn)為有兩個原因，第一是人工智能這個大背景，第二是它真的太容易學(xué)了，沒有任何一門語言比它好上手，接下來我將和大家分享下python的基礎(chǔ)操作。另外請注意，我的所有操作都是基于python3！

1.1 python核心內(nèi)容之函數(shù)

如果你想要學(xué)好python，務(wù)必學(xué)好function，不然就相當(dāng)于沒學(xué)過python。

1.1.1 函數(shù)定義

在python函數(shù)定義時有五個要點(diǎn)，分別是def、函數(shù)名、函數(shù)體、參數(shù)、返回值、以及兩個英文版符號：小括號（括號內(nèi)為參數(shù)）和冒號。下面對這5點(diǎn)分別解釋下：

def：函數(shù)關(guān)鍵字。必須要有，系統(tǒng)看到它，就知道下面是個函數(shù)了。

函數(shù)名：函數(shù)的名稱。就是給函數(shù)起了個名字，當(dāng)你調(diào)用函數(shù)時，用函數(shù)名就可以直接調(diào)用了。

函數(shù)體：函數(shù)中進(jìn)行的具體操作。就是你這個函數(shù)想要實(shí)現(xiàn)的功能。

參數(shù)：提供給函數(shù)體。

返回值：當(dāng)函數(shù)執(zhí)行完畢后，可以給調(diào)用者返回想要的數(shù)據(jù)。

下面通過一個具體的實(shí)例來說明下：

def get_image(picture_path):

? ? ?img = cv2.imread("picture_path")

? ? ?return? img

上面實(shí)例中，get_image是這個函數(shù)的函數(shù)名，這個函數(shù)的參數(shù)是picture_path，就是圖片的路徑，這個參數(shù)會傳到函數(shù)體中。如果你的圖片路徑是d://01.jpg，這時候函數(shù)體就會變成img =?cv2.imread("d://01.jpg"),最后返回圖片。

1.1.2 函數(shù)參數(shù)

相信你已經(jīng)知道函數(shù)應(yīng)該如何定義了，接下來再說說函數(shù)中最難理解也是最重要的一點(diǎn)，那就是函數(shù)參數(shù)。

首先我們說說位置參數(shù)。

def sum(x):

? ? z = x+x

? ? return z

>>>sum(10)

20

這里的x可以認(rèn)為是一個位置參數(shù)，顧名思義，x先占一個位置，當(dāng)給予它一個值時，它會傳到函數(shù)體中，注意像這種位置參數(shù)，務(wù)必要給予一個值，不然程序會報錯。

接下來說說默認(rèn)參數(shù)。

def sum(x,y=12):

? ? z = x+y

? ? return z

>>>sum(10)

22

>>>sum(10,13)

23

這個實(shí)例中，y = 12就是個默認(rèn)參數(shù)，當(dāng)該參數(shù)沒有傳入相應(yīng)的值時，該參數(shù)就使用默認(rèn)值。但有點(diǎn)需要注意：默認(rèn)參數(shù)必須在位置參數(shù)后面，否則會報錯。

哈哈，報錯了，千萬不要放這樣的錯誤喲，想避免這樣的錯誤很簡單，就從你定義的順序從前往后寫就行。

然后再說說可變參數(shù)。

在使用python函數(shù)時，有時候我們不知道我們需要傳入多少個參數(shù)，于是就有了可變參數(shù)的這個概念。為了更好的理解這個概念，先拋出一個問題：計算a+b+c+d+...的和，因為不知道有幾個數(shù)字，所以是個可變的問題。那么如何用python函數(shù)來解決這個問題呢，如下：

def sum(*numbers):

? ? sum = 0

? ? for n in numbers:

? ? ? ? sum =sum +n*n

? ? return sum?

>>>sum(10,2,12,3,4)

我們在參數(shù)前面加了一個*號。這樣這個參數(shù)就變成了可變參數(shù)。在調(diào)用該函數(shù)時，可以傳入任意個參數(shù)，包括0個參數(shù)。

最后說一下關(guān)鍵字參數(shù)。

什么是關(guān)鍵字參數(shù)，對于這個概念我們先看下面的代碼：

def penson(name,age,**kw):

? ??print('name:',name,'age:',age,'other:',kw)

>>>person('zhang san',24,city='changchun')

name:zhang san age:24 other:{'city':'changchun'}

通過上面的例子你應(yīng)該明白了關(guān)鍵字參數(shù)是什么了吧，實(shí)際上就是你傳入的參數(shù)比你之前定義的參數(shù)會多，注意位置參數(shù)必須要給它傳值。

這就是python函數(shù)的一些基本的方法，更復(fù)雜的函數(shù)實(shí)際上也就是上面的組合而已，只要多加練習(xí)，一定能夠很好的掌握它。

1.2 python 縮進(jìn)規(guī)則

你可能已經(jīng)注意到上面我寫python函數(shù)時用到了許多縮進(jìn)，你可能也會問自己為什么要采用縮進(jìn)，應(yīng)該如何縮進(jìn)這些問題，下面請看我一一道來。

1.2.1 python縮進(jìn)的由來

我們在大學(xué)時可能都學(xué)過c語言，在c中主要通過{}來區(qū)分代碼快，但我們初學(xué)者往往忘記打{}，而且花括號多了，我們就暈了。而python就不會出現(xiàn)這種問題，python中的縮進(jìn)可以理解為c中的{}。我們來看下下面這個例子：

def SayHello():

? ? print("hello world")

? ? SayHello()

你會發(fā)現(xiàn)此時不能輸出任何結(jié)果，我們再看下面一段代碼

def SayHello():

? ? print("hello world")

SayHello()

這樣就成功了，為什么會這樣呢，下面我介紹一種畫框法。如下圖所示相同顏色框在一起說明它們是屬于同一代碼塊。

這段代碼只是定義了一個函數(shù)并未執(zhí)行它，正確的寫法如下：

以后大家可以用這種畫框法確定縮進(jìn)是否正確。

02

矩陣庫——NumPy

NumPy(Numerical Python) 是 Python語言的一個擴(kuò)展程序庫，支持高維數(shù)組與矩陣運(yùn)算，提供了大量的數(shù)學(xué)函數(shù)庫。

對于深度學(xué)習(xí)來說，高維數(shù)組我們用的很多，因此要想學(xué)好深度學(xué)習(xí)，必須對NumPy了如指掌。

2.1 ndarray對象? ? ? ? ? ? ? ? ? ? ? ? ??

在NumPy中我們用ndarray表示數(shù)組，可以說它是整個庫的核心。下面我們將從以下幾個方面來理解ndarray。

2.2 創(chuàng)建數(shù)組

要想對數(shù)組進(jìn)行運(yùn)算操作，我們必須先創(chuàng)建個數(shù)組。方法如下：

import numpy as np#導(dǎo)入numpy這個包

a0 = np.array([1,2,3,4])#采用列表方式

a1 = np.array((1,2,3,4))#采用元組方式

對于多維數(shù)組的創(chuàng)建（注意中括號），如下：

import numpy as np

a = np.array([[1,2,3],[2,3,4],[4,5,6]])

上面我們創(chuàng)建的數(shù)組里面的元素都是我們指定的，那么如何自動生成數(shù)組?又如何隨機(jī)的生成一個數(shù)組呢？我們首先看第一個方法arange()，如下：

import numpy as np

a = np.arange(0,1,0.1)

在上面這個數(shù)組中，arange()的第一個值代表開始值，第二個值代表終值（不包括這個值），最后一個值代表步長（間隔），如arange(1,10,1)代表一個從0-9，步長為1的數(shù)組。這就是arange()，經(jīng)常用的到！我們再看第二個方法linspace()，如下：

import numpy as np

a = np.linspace(0,10,10)

對于linspace()，它的前兩個值和arange()一樣，代表開始值和終值，但有個區(qū)別是linspace()默認(rèn)包括終值，如果你不想包括終值，加上endpoint = False即可，對于第三個值它是指元素的個數(shù)，這個和arange不一樣，一定不要混淆。

最后我們再說下如何創(chuàng)建一個隨機(jī)數(shù)組。

在NumPy中有一龐大的函數(shù)庫，對于隨機(jī)數(shù)我們可以采用numpy.random模塊，該模塊中有大量和隨機(jī)數(shù)相關(guān)的函數(shù)。一些函數(shù)如下：

我們可以利用這些函數(shù)來創(chuàng)建你想要的隨機(jī)數(shù)，一些實(shí)例如下：

import numpy as np

a = np.random.rand(2,2)

b = np.random.randn(2,2)

c = np.random.randint(0,9,(2,2))

創(chuàng)建隨機(jī)數(shù)是不是很簡單，其實(shí)對于數(shù)組的創(chuàng)建還有許多方法,如下面所示：

np.zeros() :生成元素全是0的數(shù)組

np.ones()：生成元素全是1的數(shù)組

np.zeros_like(a):生成形狀和a一樣且元素全是0的數(shù)組

np.ones_like(a):生成形狀和a一樣且元素全是1的數(shù)組

...

相信通過上面的介紹你已經(jīng)掌握了如何創(chuàng)建一個數(shù)組了，很好！那么我們再思考一個問題，若碰到一個元素很多的數(shù)組，但卻不知道它的形狀等參數(shù)，這時該怎么辦呢？對于這個問題我們可以通過下面的一些方法來解決。

獲取數(shù)組a的shape:a.shape

獲取數(shù)組a的元素類型：a.dtype

獲取數(shù)組a的維度：a.ndim

....

2.3 存取數(shù)組

當(dāng)一個數(shù)組創(chuàng)建好后，我們有時候可能需要對一個數(shù)組中的一些具體元素進(jìn)行運(yùn)算，或者更改數(shù)組中一些元素的值。進(jìn)行這些操作的前提是先能存取數(shù)組，為了解決這個問題，這里我們主要介紹切片法和整數(shù)列表來存取數(shù)組元素，這種方法其實(shí)也是最常見的。

import numpy as np

a = np.array([4,2,3,5,9,0,,6,8,7])

>>>[4,2,3,5,9,0,6,8,7]

對于上面這個數(shù)組，如果我想要得到5這個元素該怎么辦呢？很簡單，在ndarray中第一個元素的位置是0，本例中5在第四個位置，所以a[3] = 5。

我們還可以用切片獲取數(shù)組的一部分，如a[3:5]表示獲取第四個位置和第五個位置的元素,a[3:5]=[5,9];a[::-1]表示從最后一個元素到第一個元素，該方法省略了開始下標(biāo)和結(jié)束下標(biāo)，這時候開始下標(biāo)就是對應(yīng)第一個元素，結(jié)束下標(biāo)就對應(yīng)著最后一個數(shù)，-1表示步長為1，負(fù)號從后往前數(shù)。

上面說的都是一維數(shù)組的存取，我們再來說一下二維數(shù)組。其實(shí)二維數(shù)組和一維數(shù)組數(shù)組類似，只是二維數(shù)組有2個軸，所以下標(biāo)自然需要2個值來表示。請看下面的實(shí)例：

在二維數(shù)組中豎軸表示第0軸，橫軸表示第1軸，讀取元素時我們通過逗號把0軸和1軸隔開，這樣就可以通過一維數(shù)組的方法來讀取，最后兩者的交集就是我們需要讀取的元素。

我們再看下三維數(shù)組，這也是最復(fù)雜的，在深度學(xué)習(xí)特征數(shù)據(jù)處理時用的是最多的。我們先創(chuàng)建一個3行5列3通道的數(shù)組，看看效果。

再來分析下這個生成的數(shù)組。我們知道這個三維數(shù)組有下圖所示的三塊，而第幾塊又代表通道的第幾行數(shù)據(jù)，圖中圈的那個塊就是通道的第2行數(shù)據(jù)，另外在每一個塊里面每行數(shù)據(jù)代表通道的第幾列數(shù)據(jù)。圖中圈的那個塊5有行數(shù)據(jù)，則代表著這個通道有5列數(shù)據(jù)。

其次在這個三維數(shù)組中，有下面圖示的這樣三列，一列代表一個通道。另外要注意所有的數(shù)據(jù)位置的下標(biāo)都是從0開始。

下面我要把圖示的元素改成8該怎么辦呢？如下：

通過上面的例子你是否理解了三維數(shù)組應(yīng)該怎樣存取數(shù)據(jù)了呢？理解了的話就打開vim多寫寫基本就能深刻的掌握了。

2.4 NumPy常見函數(shù)使用

現(xiàn)在我們已經(jīng)學(xué)會了創(chuàng)建數(shù)組和數(shù)組的存取，那么我們該如何對數(shù)組進(jìn)行函數(shù)運(yùn)算呢，這也是NumPy的核心內(nèi)容。

2.4.1 數(shù)組維度變換

我們首先說一下如何對數(shù)組的形狀進(jìn)行整理，即將一個任意形狀的矩陣轉(zhuǎn)化我們想要轉(zhuǎn)化的任意形狀，當(dāng)然要想完成這個操作，元素個數(shù)必須要滿足。請看下面實(shí)例：

import numpy as np

a = np.arange(0,10,1)

b = a.reshape(2,5)

print(a)

print(b)

上面的實(shí)例通過reshape()函數(shù)把一個1維數(shù)組，變成了一個2行5列的一個數(shù)組。reshape()里面的參數(shù)就是你想要轉(zhuǎn)換成的數(shù)組的形狀。再看一個實(shí)例對reshape()熟練下，如下：

import numpy as np

a = np.arange(0,10,1)

b = a.reshape(2,-1)

c = a.reshape(-1,5)

print(a)

print(b)

print(c)

b和c的結(jié)果是一樣的，而且和上一個實(shí)例的結(jié)果也一樣，這是為什么呢？其實(shí)這里面的-1代表自動生成的意思，意思就是對于b我已經(jīng)指定了數(shù)組的行是2行，那么系統(tǒng)就會自動生成一個5列，因為是10個數(shù)，必須是5列，所以b和c仍然是2行5列的數(shù)組，這就是數(shù)組形狀變換。

說完數(shù)組形狀變換我們再看下如何對數(shù)組進(jìn)行維度交換。請看下面實(shí)例：

import numpy as np

a = np.arange(10).reshape(2,5)

b = a.swapaxes(0,1)

print(a)

print(b)

通過上面實(shí)例我們看出通過swapaxes()將一個數(shù)組的第0軸和第1軸進(jìn)行了交換，由2行5列變成了5列2行。這是二維數(shù)組的維度交換，我們再看一個三維數(shù)組的例子，如下：

import numpy as np

a = np.arange(24).reshape(2,3,4)

b = a.swapaxes(0,1)

print(a)

print(b)

這個實(shí)例我將三維數(shù)組的第0軸和第1軸進(jìn)行了交換，第0軸就是我在上面2.3存取數(shù)組這一節(jié)中說的塊，第1軸就是塊中的行，下面我將我對三維數(shù)組維度交換的理解和大家分享下。

如下，我們首先將第一塊第一行的[0,1,2,3]的位置記為(1,1)，第一塊第二行的[4,5,6,7]的位置記為(1,2)，第二塊第三行的[20,21,22,23]記為(2,3)，其它幾個位置坐標(biāo)類推。現(xiàn)在我們需要將第0軸和第1軸交換，所以第一塊第一行的[0,1,2,3]的位置變?yōu)?1,1),就是第一塊第一行；第一塊第二行的[4,5,6,7]的位置變?yōu)闉?2,1),就是第二塊第一行；第二塊第三行的[20,21,22,23]變?yōu)?3,2),就是第三塊第二行。通過這樣的理解你對上面實(shí)例輸出的結(jié)果明白了嗎？明白的話，請繼續(xù)往下學(xué)如何對數(shù)組進(jìn)行降維。

對于數(shù)組降維，我們繼續(xù)通過實(shí)例來分析，如下：

import numpy as np

a = np.arange(10).reshape(2,5)

b =np.flatten()

c = a.reshape(-1)

d = a.ravel()

print(a)

print(b)

print(c)

print(d)

可以看出我們通過reshape(-1)、flatten()和ravel()函數(shù)將多維很容易就變成了1維數(shù)組。

2.4.2 堆疊數(shù)組

我們再說一下數(shù)組的堆疊，這個也是經(jīng)常會用的。數(shù)組的堆疊通常有水平疊加和垂直疊加，分別用到hstack()和vstack()函數(shù)，請看下面的實(shí)例：

import numpy as np

a = np.array([1,2,3,4])

b = np.array([5,6,7,8])

c = np.hstack((a,b))

d = np.vstack((a,b))

print(c)

print(d)

通過這個例子我們也看出通過hstack()和vstack()將數(shù)組a和b堆疊成了一個數(shù)組。

上面就是我對NumPy在深度學(xué)習(xí)中最常見的幾點(diǎn)的介紹，其實(shí)還有許多，平時多多積累就行。

03

數(shù)據(jù)可視化——matplotlib

說完python我們再說說深度學(xué)習(xí)中用的比較多的matplotlib。matplotlib是python中最常用的可視化工具之一，用處非常大。

3.1 使用pyplot模塊繪圖

我們先通過matplotlib和NumPy繪制一個圖像。

import matplotlib.pyplot as plt

import numpy as np?

x=?np.linspace(0,10,100)?

y=np.sin(x)?

plt.figure(figsize=(8,4))??

plt.plot(x,y)??

plt.show()? ?

在這個實(shí)例中，我們首先通過import matplotlib的繪圖塊pyplot，并重新命名為plt。然后用figure調(diào)出一個畫布,figsize參數(shù)指定畫布的寬度和高度，單位是英寸（1英寸為25.4毫米）。創(chuàng)建好畫布后，我們就可以用plot()在畫布上畫圖了，plot()的前兩個參數(shù)分別代表X，Y軸數(shù)據(jù)的對象。另外plot()參數(shù)還可以指定曲線的標(biāo)簽，顏色，線寬等。

其實(shí)我們還能對坐標(biāo)軸通過下面的方法進(jìn)行一些參數(shù)的設(shè)置：

xlabel,ylabel：分別設(shè)置X，Y軸的標(biāo)題文字

title：設(shè)置標(biāo)題

xlim,ylim：分別設(shè)置X,Y軸的顯示范圍

legend:顯示圖例

請看下面一個標(biāo)準(zhǔn)的圖形：

接下來我們再看看如何畫直方圖，直方圖在圖像處理中經(jīng)常會用到。

在用plt.hist()畫直方圖時，第一個參數(shù)是繪圖數(shù)據(jù)，這是必須要有的；另外bins代表直方圖的長條形數(shù)目，默認(rèn)為10；normed表示是否將得到的直方圖向量歸一化，默認(rèn)為0，代表不歸一；facecolor代表長條形的顏色；edgecolor代表長條行邊框的顏色；alpha代表透明度。

3.2 matlibplot讀取圖像

matplotlib的imread和imshow()提供了圖像的讀取和顯示功能，另外imread()從圖像文件中讀入數(shù)據(jù)得到的是一個圖像的NumPy數(shù)組。

現(xiàn)在我們用matlibplot讀取上面這一張可愛的貓圖，方法如下：

import matplotlib.pyplot as plt

img = plt.imread("02.jpg")

plt.imshow(img)

plt.show()

可以看出，很容易就能讀取一張圖片。我們可以通過下面一些方法查看這張圖片的屬性。

print(img.shape)

print(img.dtype)

我們再看看matplotlib讀取的圖像是不是NumPy數(shù)組，如下：

可以明顯看到這是ndarray格式，總共三個通道，分別代表RGB。

3.3 matplotlib工具欄

從上面的例子中就可以看到，當(dāng)顯示一張圖片時，菜單欄自動生成了一些按鈕，這些按鈕都有各自的功能。

3.3.1 前進(jìn)后退按鈕

這三個按鈕就像是我們使用的瀏覽器中的主頁和前進(jìn)后退按鈕一樣，一開始這三個圖是沒有什么用的，因為它本來就處于主頁，既不能前進(jìn)也不能后退，當(dāng)你使用平移和縮放功能后，每一次操作就相當(dāng)于在瀏覽器中點(diǎn)開了一個網(wǎng)頁一樣，這時候你就可以使用前進(jìn)后退和回到最開始狀態(tài)的按鈕了。

3.3.2 平移縮放按鈕

這個按鈕也比較簡單，按住鼠標(biāo)左鍵在圖片區(qū)域左右移動可以實(shí)現(xiàn)圖像的左右平移，上下移動就可以使圖像上下平移，按住X或者Y鍵移動即只能在X或者Y方向上平移。同理按住鼠標(biāo)右鍵就是縮放。如果按住Ctrl鍵再進(jìn)行上述操作，則是XY軸成比例平移或縮放。

3.3.3 縮放到指定矩形按鈕

按住鼠標(biāo)左鍵或者右鍵，選定一個矩形區(qū)域，即可將圖形放大或者縮小到制定的矩形區(qū)域中。

在放大局部細(xì)節(jié)圖時經(jīng)常使用。

3.3.4 設(shè)置子圖參數(shù)按鈕

點(diǎn)擊該按鈕可以設(shè)置子繪圖區(qū)域的長度和寬度，還可以設(shè)置各個子圖之間的距離。

3.3.5 保存按鈕

該按鈕可以將圖像保存為png、pdf等格式。

matplotlib的一些基礎(chǔ)知識就介紹到這里，大家一定要多加實(shí)踐，這樣才能更好的掌握。

04

必備的python庫

要想深度學(xué)習(xí)學(xué)的好，必須非常好的掌握python各種庫，這是進(jìn)行深度學(xué)習(xí)的基礎(chǔ)。下面我和大家分享下一些常用的庫，其實(shí)上面我已經(jīng)介紹了兩個了那就是NumPy和matplotlib，還有一些其他的庫，請繼續(xù)往下看。

4.1 科學(xué)計算與數(shù)據(jù)處理庫

說到科學(xué)計算和數(shù)據(jù)處理，我們可能馬上就會想到NumPy但其實(shí)還有兩個其他的庫，那就是SciPy和Pandas。

Scipy在Numpy的基礎(chǔ)上增加了眾多的數(shù)學(xué)計算、科學(xué)計算及工程計算中常用的模塊，例如線性代數(shù)、圖像處理等。在Scipy中的ndimage子模塊就是致力于進(jìn)行圖像處理的。

Pandas是基于NumPy開發(fā)，提供了眾多更高級的數(shù)據(jù)處理工能。Pandas中包含許多用于分組，過濾和組合數(shù)據(jù)的內(nèi)置方法，以及時間序列功能。

有機(jī)會我們再說說這兩個庫。

4.2 深度學(xué)習(xí)框架

目前深度學(xué)習(xí)框架已經(jīng)呈百家爭鳴之態(tài)勢，有Caffe、TensorFlow、Pytorch、Keras等等，對于我們來說，不可能都能掌握，但市面上主流的框架我們還是必須要熟練的掌握。

這些深度學(xué)習(xí)框架，我們在公眾號的往期文章已經(jīng)說過大半，大家可以自行翻閱。

4.3 服務(wù)端Flask

Flask是一個微型的服務(wù)端框架，它旨在保持核心的簡單，但同時又易于擴(kuò)展。默認(rèn)情況下，Flask不包含數(shù)據(jù)庫抽象層、表單驗證，或是其他任何已有多種庫可以勝任的功能。然而，Flask 支持用擴(kuò)展來給應(yīng)用添加這些功能。眾多的擴(kuò)展提供了數(shù)據(jù)庫集成、表單驗證、上傳處理、各種各樣的開放認(rèn)證技術(shù)等功能。Flask 的這些特性，使得它在 Web 開發(fā)方面變得非常流行。

4.4 前端urilib等

urllib是Python自帶的標(biāo)準(zhǔn)庫，無需安裝，直接可以用。提供了如下功能：網(wǎng)頁請求、響應(yīng)獲取、代理和cookie設(shè)置、異常處理和URL解析，主要用于前端爬蟲，對于獲取和整理數(shù)據(jù)是必備的。

前后端的這些框架，我們在公眾號的往期文章都已經(jīng)說過，大家可以自行翻閱。

總結(jié)

AI白身境第三講結(jié)束了，但學(xué)習(xí)的路永無止境，python、NumPy、matplotlib、深度學(xué)習(xí)框架的知識還有很多，需要我們不斷的學(xué)習(xí)。期待我們的下期吧。

下期預(yù)告：下一期我們會講圖像基礎(chǔ)，如果你有建議，歡迎留言，我們會及時采納的。

轉(zhuǎn)載文章請后臺聯(lián)系

侵權(quán)必究

更多請關(guān)注知乎專欄《有三AI學(xué)院》

往期精選

• 【AI白身境】深度學(xué)習(xí)從棄用windows開始

• 【AI白身境】Linux干活三板斧，shell、vim和git

• 回顧2018，計劃2019

與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的【AI白身境】学AI必备的python基础的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。