numpy
import numpy as np
（1）标量：除了 Python 的 int，你可以使用 uint8、int8、uint16、int16 等类型。
s = np.array(5)
（2）向量：可以将 Python 列表传递给 array 函数
v = np.array([1,2,3])
（3）矩阵：提供列表的列表，其中每个列表代表一行。
m = np.array([[1,2,3], [4,5,6], [7,8,9]])
（4）张量：张量与向量和矩阵一样，但张量可以有更多的维度。
创建一个 3x3x2x1 的张量：
t = np.array([[[[1],[2]],[[3],[4]],[[5],[6]]],[[[7],[8]],\
[[9],[10]],[[11],[12]]],[[[13],[14]],[[15],[16]],[[17],[17]]]])
t.shape打印矩阵的维度, 会返回 (3, 3, 2, 1）
t[2][1][1][0] 将返回 16
更改形状：
v = np.array([1,2,3,4]) v.shape 会返回 (4,)
x = v.reshape(1,4) OR x = v[None, :] x.shape 会返回 (1,4）
x = v.reshape(4,1) OR x = v[:, None]
NumPy 矩阵乘法：
（1）元素级乘法
m * n
np.multiply(m, n)
（2）矩阵乘积
a.shape (2,4); b.shape(4,3)
c = np.matmul(a, b)
有时候，在用 matmul 函数的地方，可能会看到 NumPy 的 dot 函数。
如果矩阵是二维的，那么 dot 和 matmul 函数的结果是相同的。
NumPy 矩阵转置：
NumPy 在进行转置时不会实际移动内存中的任何数据，只是改变对原始矩阵的索引方式，所以是非常高效的。
但是，这也意味着你要特别注意修改对象的方式，因为它们共享相同的数据。
所以记住，将转置视为矩阵的不同视图，而不是完全不同的矩阵。
m_t = m.T
