在人工智能大行其道的今天，我们即便是不能走在前沿，但也要至少了解个一二，这东西是否可以为自己所用，水有多深。网上可以查出一大堆的相关资料，可是大多是比较高大上的东西，一上来就是没有多少解释的公式，也没有详细的推导过程，如果有代码也大多是使用了过度封装后的的API库，看的云里雾里的，或许我们能记住编码的套路，但却无法理解那些深层的知识。

当然了，我也不是什么研究人员，并不需要太过深入，只求会用套路代码就行，但这已经和背套路大不一样了。背会套路代码却没有理解的结果就是只能实现例子的功能，几乎不能改变太多。这样的粗浅学习和浪费时间无异，所以就要理解。

理解包含两方面，

一是要理解技术，不同技术的原理，无论是基于作者设计出来的复杂方法还是基于什么数学原理。

二是要理解工具，包括理解某个API框架的底层代码含义。最终，才能做到自由调整或自行设计神经网络的目的。

千里之行始于足下，基于此，我就先从numpy开始吧。

入门第一句 import numpy as np

选择它是因为，在涉及数学的情况下，numpy几乎是必需的，很多案例代码和很多流行的API框架都或多或少的和它有关，或需要和numpy配合使用。像 Tensorflow, pyTorch, mxnet 等等。所以numpy是我们无法回避的。

这里存放的是我的学习手记，仅此而已，它记录着我对numpy的理解。

坚持, 完成！

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。