这个专栏名为《Numpy从入门到精通》，顾名思义，是记录自己学习numpy的学习过程，也方便自己之后复盘！为深度学习的进一步学习奠定基础！希望能给大家带来帮助，爱睡觉的咋祝您生活愉快！ 这一篇介绍《Numpy从入门到精通——节省内存|通用函数》

一、节省内存

在机器学习中，常常会涉及到大量的数据处理，尤其在深度学习、机器学习中，参数越多，数据量也就越大。怎么样高效地保存、更新这些参数，将直接影响内存的使用，限免我们通过代码详细介绍几种节省内存的简单方法。

2.1使用X=X+Y与X+=Y的区别

在python语法中，x=x+y与x+=y的含义是一样的，都是在原有的x基础上加了个y，再赋值给x。但是从内存开销的角度来看，则是完全不一样的，我们可以通过id（X）来进行说明，id函数可以提高内存中引用对象的确切地址，下面我们通过实际的代码来进行讲解：

首先我们看X=X+Y：

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
"""
@Project ：numpy学习 
@File    ：task_32.py
@IDE     ：PyCharm 
@Author  ：咋
@Date    ：2023/4/24 16:33 
"""
import numpy as np
Y = np.random.randn(10,2,3)
X=np.zeros_like(Y)
print(id(X))
X=X+Y
print(id(X))

输出为：

2291830693584
2291830728432

X在运行X=X+Y前后id不同，说明指向不同内存区域。
然后我们看X+=Y:

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
"""
@Project ：numpy学习 
@File    ：task_33.py
@IDE     ：PyCharm 
@Author  ：咋
@Date    ：2023/4/24 16:35 
"""
import numpy as np
Y = np.random.randn(10,2,3)
X=np.zeros_like(Y)
print(id(X))
X+=Y
print(id(X))

输出为：

1723763400400
1723763400400

X在运行X+=Y前后id相同，说明指向一个内存区域，由此说明X+=Y更能够节省空间。

2.2 X=X+Y与 X[:] = X+Y

我们直接看代码：
首先是X=X+Y：

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
"""
@Project ：numpy学习 
@File    ：task_34.py
@IDE     ：PyCharm 
@Author  ：咋
@Date    ：2023/4/24 16:38 
"""
import numpy as np
Y = np.random.randn(10,2,3)
X=np.zeros_like(Y)
print(id(X))
X=X+Y
print(id(X))

输出为：

1581693935312
1581693974256

X在运行X=X+Y前后id不同，说明指向不同内存区域。

接下来我们看X[:] = X+Y:

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
"""
@Project ：numpy学习 
@File    ：task_35.py
@IDE     ：PyCharm 
@Author  ：咋
@Date    ：2023/4/24 16:39 
"""
import numpy as np
Y = np.random.randn(10,2,3)
X=np.zeros_like(Y)
print(id(X))
X[:]=X+Y
print(id(X))

输出为：

1769016729296
1769016729296

X在运行X[:]=X+Y前后id相同，说明指向一个内存区域，由此说明x[:] = x+y 更节省空间！

二、通用函数

在之前的学习中，我们已经介绍了很多特定的函数，但是numpy中的函数还有很多没有介绍。numpy中与两个基本对象，ndarray和ufunc，前面主要介绍了ndarray，下面介绍ufunc。很多ufunc底层都是C写的，所以运行速度非常快，下面用一个表格列举Numpy中的几个常见的通用函数。

说明：
np.max,np.sum,np.min等函数中，都涉及一个有关轴的参数（即axis），该参数的具体含义，可参考下图：