numpy常用函数

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

start标量
    序列的起始值。
stop标量
    除非`endpoint`设置为False，否则序列的结束值。
    在这种情况下，序列由除``num + 1``的最后一个组成
    均匀间隔的样本，以便排除`stop`。注意这一步
    当`endpoint`为False时，大小会改变。

num：int，可选
    要生成的样本数。默认值为50.必须为非负数。

endpoint：bool，可选
    如果为True，则`stop`是最后一个样本。否则，它不包括在内。
    默认为True。
    
retstep：bool，可选
    如果为True，则返回（`samples`，`step`），其中`step`是间距
    样本之间。
    
dtype：dtype，可选
    输出数组的类型。如果没有给出`dtype`，推断数据
    从其他输入参数中键入。

x = np.linspace(-1, 1, 5)

out:
array([-1. , -0.5,  0. ,  0.5,  1. ])

x = np.linspace(-1, 1, 5,endpoint=False)

out:
array([-1. , -0.6, -0.2,  0.2,  0.6])

x = np.linspace(-1,1,5,endpoint=False,retstep=True)

out:
(array([-1. , -0.6, -0.2,  0.2,  0.6]), 0.4)

np.random.normal(loc=0.0, scale=1.0, size=None)

loc：float或array_like浮点数
    分布的平均值（“中心”）。
scale：float或array_like浮点数
    分布的标准偏差（展宽或“宽度”）。
size：int或int的元组，可选
    输出形状。如果给定的形状是例如“（m，n，k）”，那么
    绘制了`m * n * k`样本

输出一个均值为0，标准差为0.05的(4,3)矩阵

n = np.random.normal(0,0.05,[4,3])


out:
array([[ 0.00875909,  0.04187258,  0.03422398],
       [ 0.04415144,  0.00083901,  0.06574384],
       [ 0.13169391,  0.09001974, -0.0384982 ],
       [ 0.00414203,  0.03999768, -0.09010478]])

np.newaxis

作用为增加维度。

x_data=np.linspace(-1,1,300)[:,np.newaxis]

意思为，从-1到1均匀取出300个间隔数字（包括-1,1），得到shape为(300,)的array，增加一个维度，变为(300,1)。

实际上可以使用reshape做到。
等价于

x_data=np.linspace(-1,1,300).reshape(300,-1)