NumPy是用于数值计算的库，提供了很多高级的数学算法和便利的数组（矩阵）操作方法。

Matplotlib是用来画图的库。使用Matplotlib能将实验结果可视化，并在视觉上确认深度学习运行期间的数据。

Python中的type()函数可以用来查看数据类型。

要生成NumPy数组，需要使用np.array()方法。np.array()接收Python列表作为参数，生成NumPy数组（numpy.ndarray）。

数组x和数组y的元素个数是相同的（两者均是元素个数为3的一维数组）。当x和y的元素个数相同时，可以对各个元素进行算术运算。如果元素个数不同，程序就会报错，所以元素个数保持一致非常重要。

NumPy数组不仅可以进行element-wise运算，也可以和单一的数值（标量）组合起来进行运算。此时，需要在NumPy数组的各个元素和标量之间进行运算，这个功能也被称为广播

NumPy不仅可以生成一维数组（排成一列的数组），也可以生成多维数组。

基本上将二维数组称为“矩阵”，将三维数组及三维以上的数组称为“张量”或“多维数组”。

Python等动态类型语言一般比C和C++等静态类型语言（编译型语言）运算速度慢。实际上，如果是运算量大的处理对象，用 C/C++写程序更好。为此，当 Python中追求性能时，人们会用 C/C++来实现处理内容。Python则承担“中间人”的角色，负责调用那些用 C/C++写的程序。NumPy中，主要的处理也都是通过C或C++实现的。因此，我们可以在不损失性能的情况下，使用 Python便利的语法。

可以使用matplotlib的pyplot模块绘制图形。

pyplot 中还提供了用于显示图像的方法 imshow()。另外，可以使用matplotlib.image模块的imread()方法读入图像。