1. np.prod()    : prod函式用於求陣列元素的乘積。

Note: 陣列沒有元素,即為空時,得到的值為 1.0

In [2]: np.prod([])
Out[2]: 1.0

In [4]: np.prod([[],[]])
Out[4]: 1.0
示例:

>>> np.prod([1.,2.])
2.0

>>> np.prod([[1.,2.],[3.,4.]])
24.0

>>> np.prod([[1.,2.],[3.,4.]], axis=1)
array([  2.,  12.])

2.  np.pad()  :  根據需要將陣列填充成指定的形狀

   這裡只介紹卷積過程中為防止圖片資訊丟失使用的 0 填充模式

#二維陣列
>>> a=np.arange(1,5).reshape(2,2)

>>> a
   [[1 2]
    [3 4]]

# a是二維陣列, 中間的兩個(2,3)分別針對 axis=0 和 axis=1 來填充
# mode="constant" 是預設填充值為0
>>> np.pad(a,((2,3),(2,3)),mode="constant")
>>> array([[0, 0, 0, 0, 0, 0, 0],
           [0, 0, 0, 0, 0, 0, 0],
           [0, 0, 1, 2, 0, 0, 0],
           [0, 0, 3, 4, 0, 0, 0],
           [0, 0, 0, 0, 0, 0, 0],
           [0, 0, 0, 0, 0, 0, 0],
           [0, 0, 0, 0, 0, 0, 0]])

# costant 有值時 按給出的值填充
In [15]: np.pad(a,((2,3),(2,3)),mode="constant",constant_values=(6,8))
Out[15]:
array([[6, 6, 6, 6, 8, 8, 8],
       [6, 6, 6, 6, 8, 8, 8],
       [6, 6, 1, 2, 8, 8, 8],
       [6, 6, 3, 4, 8, 8, 8],
       [6, 6, 8, 8, 8, 8, 8],
       [6, 6, 8, 8, 8, 8, 8],
       [6, 6, 8, 8, 8, 8, 8]])

3. np.random.randn()  : 返回一個服從正態分佈的陣列

標準形式 : N(\mu, \sigma^2):  sigma * np.random.randn(...) + mu   

#我們一般常用返回為服從N(0,1)正態分佈陣列

In [28]: np.random.randn(3,3)
Out[28]:
array([[ 0.77832362, -0.26915292, -0.0997728 ],
       [ 1.38962369, -0.4438962 , -1.00224716],
       [-1.06567318,  1.42600225, -0.6901084 ]])

4. np.random.rand()  : 返回一個給定shape的(0,1)之間的均勻分佈

# 返回一個 4*4 數值
In [29]: np.random.rand(4,4)
Out[29]:
array([[0.10359531, 0.88317262, 0.50667337, 0.38014409],
       [0.59356012, 0.54673751, 0.68416049, 0.89578659],
       [0.52713305, 0.20503638, 0.79684913, 0.73882077],
       [0.11927379, 0.00325085, 0.65378211, 0.94322903]])

5. np.linspace() 

        在指定的間隔內返回均勻間隔的數字。返回number均勻分佈的樣本,在[start, stop]。這個區間的端點可以任意的被排除在外。

>>>
>>> np.linspace(2.0, 3.0, num=5)
array([ 2.  ,  2.25,  2.5 ,  2.75,  3.  ])
>>> np.linspace(2.0, 3.0, num=5, endpoint=False)
array([ 2. ,  2.2,  2.4,  2.6,  2.8])
>>> np.linspace(2.0, 3.0, num=5, retstep=True)
(array([ 2.  ,  2.25,  2.5 ,  2.75,  3.  ]), 0.25)