「最全」实至名归NumPy官方早有中文教程结合深度学习还有防脱发指南...-精品文档资料整理.docx

《「最全」实至名归NumPy官方早有中文教程结合深度学习还有防脱发指南...-精品文档资料整理.docx》由会员分享，可在线阅读，更多相关《「最全」实至名归NumPy官方早有中文教程结合深度学习还有防脱发指南...-精品文档资料整理.docx（12页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、最全实至名归，NumPy官方早有中文教程，结合深度学习，还有防脱发指南. 来源 | 机器学习算法那些事 NumPy 无疑是很多机器学习研究者以及开发者的白月光。如此优秀的工程 没有中文版怎么行 近日 机器之心发现 NumPy 官方早在去年度就已出了一个中文版网站 涵盖 NumPy 的一切。 在 Github 上一度蝉联最流行的机器学习以及数据科学包 NumPy 已经有了非常之系统的中文文档 回想起当初细啃 NumPy 之时 不少人不得不彷徨于各大搜索引擎及平台反复查找 找到的文档也许还很不系统。如今 假如有什么以及 NumPy 的问题 只需要阅读这份官方中文文档就足够了。它足够的系统、全面且亲

2、民。亲民到什么程度呢 网站还独一份的装备了防脱发指南。 NumPy 是什么 它是大名鼎鼎的 使用 Python 进展科学计算的根底软件包 是 Python 生态系统中数据分析、机器学习、科学计算的主力军 极大简化了向量与矩阵的操作处理。除了计算外 它还包括了 功能强大的 N 维数组对象。 精细播送功能函数。 集成 C/C 以及 Fortran 代码的工具。 强大的线性代数、傅立叶变换以及随机数功能 此次中文文档还强调了它两大特性 Ndarray 和切片以及索引 这两局部所涉及的功能在日常操作中是特别常见的。 Ndarray 一系列同类型数据的集合 以 0 下标为开场进展集合中元素的索引。nda

3、rray 对象是用于存放同类型元素的多维数组。ndarray 中的每个元素在内存中都有一样存储大小的区域。 切片以及索引 ndarray 对象的内容可以通过索引或者切片来访问以及修改 与 Python 中 list 的切片操作一样。ndarray 数组可以基于 0 - n 的下标进展索引 切片对象可以通过内置的 slice 函数 并设置 start, stop 及 step 参数进展 从原数组中切割出一个新数组。 官网地址 s:/ NumP 这个官方中文工程内容繁多 文章数量庞大。机器之心在这里节选了一些亮点内容 供读者参考。 教程、文档应有尽有 中文版强调以及深度学习联络 从原理开场 中文版

4、增加理论介绍板块 这个开源的官方中文版教程可以讲是非常全面了。它从最根本的理解 NumPy 开场 教程层层推进 直到让用户掌握进阶的使用方法。 从内容来看 中文版不仅仅是官方英文版本的翻译 还额外增加了文章这一栏目。该栏目提供了对 NumPy 背后的矩阵运算原理的详细解释 使得使用者知其然 也知其所以然。这是英文版教程中没有的。 以下为这一局部的目录 从这里可以看到 这局部内容主要介绍 NumPy 的根本理论 和涉及到其应用的理论局部 如数据分析、神经网络实现 和在其他代码库中的接口等。 根底篇 理解 NumPy NumPy 简单入门教程 Python NumPy 教程 创立 NumPy 数组

5、的不同方式 NumPy 中的矩阵以及向量 进阶篇 NumPy 数据分析练习 NumPy 神经网络 使用 NumPy 进展数组编程 NumPy 实现k均值聚类算法 NumPy 实现DNC、RNN以及LSTM神经网络算法 其他篇 OpenCV中的图像的根本操作 MinPy MXNet后端的NumPy接口 我们截取了这些文章的局部内容 可以看到 这里不仅仅会讲 NumPy 所实现的功能 还提供了原理的图解。 对于多维数组的直观讲解 局部 可以看出官方提供了很好的理论解释以及图示。 注意以及深度学习的联络 另一方面 NumPy 中文版教程注意到了深度学习近来的开展趋势 因此推出了结合 NumPy 以及

6、百度飞桨框架的深度学习教程。可以讲 NumPy 不仅仅只是科学计算工具了 而是深度学习社区的重要组成局部。 如下为这一局部的内容 可以看到 神经网络相关的所有内容 包括原理以及相关实现都涵盖到了。在这局部还有一个 7 日的深度学习入门课程 供小白用户参考。 深度学习根底教程 前言 线性回归 数字识别 图像分类 词向量 个性化推荐 情感分析 语义角色标注 机器翻译 生成对抗网络 七日入门深度学习 正在更新 Day 1 初识深度学习 Day 1 怎样快速入门深度学习 Day 2 图像识别根底与实战 Day 3 目的检测根底与理论 一 Day 3 目的检测实战-RCNN算法讲解 Day 3 目的检测

7、实战-YOLOv3检测物体 以如下代码为例 这是一个线性回归神经网络构建的代码局部。可以看到 代码使用 NumPy 进展加载以及预处理 并使用飞桨构建数据分批等的相关函数。 feature_names CRIM , ZN , INDUS , CHAS , NOX , RM , AGE , DIS , RAD , TAX , PTRATIO , B , LSTAT , convert feature_num len(feature_names)data np.fromfile(filename,sep )#从文件中读取原始数据data data.reshape(data.shape0/featu

8、re_num,feature_num)maximums,minimums,avgs data.max(axis 0),data.min(axis 0),data.sum(axis 0)/data.shape0foriinsix.moves.range(feature_num-1):data:,i (data:,i-avgsi)/(maximumsi-minimumsi)#six.moves可以兼容python2以及python3ratio 0.8#训练集以及验证集的划分比例offset int(data.shape0*ratio)train_data data:offsettest_data

9、dataoffset:defreader_creator(train_data):defreader():fordintrain_data:yieldd:-1,d-1:returnreadertrain_reader paddle.batch(paddle.reader.shuffle(reader_creator(train_data),buf_size 500),batch_size BATCH_SIZE)test_reader paddle.batch(paddle.reader.shuffle(reader_creator(test_data),buf_size 500),batch_

10、size BATCH_SIZE) 用户文档以及参考手册 覆盖 NumPy 的一切 当然 最核心的局部当然是 NumPy 本身的文档了。中文版中对用户的使用文档以及 NumPy 所有 API 都进展了翻译以及整理工作 根本上用户需要的内容都可以在这里找到。 用户文档目录如下 这里还贴心地提供了以及竞品Matlab 的比拟 和 NumPy 在 C 语言下的 API 使用方法。 NumPy 介绍 快速入门教程 NumPy 根底知识 其他杂项 与 Matlab 比拟 从源代码构建 使用 NumPy 的 C-API 从这里可以看到 官方中文版真的是诚意满满。不仅提供原始文档的翻译 还加上了包括深度学习教

11、程、其他来源的功能 原理解读材料。对于刚上手 NumPy 的人来讲 这就是最正确的学习教程。不管是自学也好 还是用于开发也好 都是极好的。 其他资源及文档 假如读到这里你还不过瘾 没关系 官网还有相关配套的文章及视频 让你多样化地保持新颖感 另外 独有一份的防脱发指南让你入坑之时再无后顾之忧 面向开发者还单独有一份开发者指南 这是一份详细的操作清单 怎样合理的配置及使用开发环境等一系列问题都已被包含在内。 NumPy 行为准那么 Git 教程 设置以及使用您的开发环境 开发流程 NumPy 基准测试 NumPy C 风格指南 发布一个版本 NumPy 治理 NumPy 的用户数量庞大 开发者社

12、区也非常繁荣。从包括 PyTorch、NumPy 等开源工具陆续推出中文版文档来看 中文世界在机器学习领域受到了更大的关注。 【end】精彩推荐防疫、复工怎样并行 天云数据推出人工智能监测方案 到底怎样做到事前预防 而不是事后诸葛亮 本周四晚8点 天云数据VP陈勇为各位揭晓答案 扫描下方二维码免费报名 推荐浏览信息保存的二值神经网络IR-Net 落地性能以及实用性俱佳 | CVPR 2020人生苦短 不光要用Python 还要在VSCode里用清华学霸组团的工业 AIoT 创企再获数千万融资 玩家应推动在边缘 AI 芯片上跑算法用Java开发自己的Kubernetes控制器 想试试吗 字节跳动武汉招聘 2000 人 间隔 大厂 Offer 你还差这篇 Java 干货 | 原力方案数字合约怎样将所有权下放 怎样使用脚本系统将交易转换为可编程的智能合约 答案就在这篇文章里 你点的每个“在看 我都认真当成了AI AI科技大本营