android官方文档中文版_数据科学|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...

↑↑↑↑↑ 点击上方 蓝色字 关注我们!

android官方文档中文版_数据科学|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..._第1张图片


『运筹OR帷幄』转载

作者:机器之心

编者按

如果说Pandas是传统机器学习的必备模块,那么Numpy就是深度学习的基本功。目前市面上有太多基于Pandas的教程,但是关于Numpy的教程,在寻找资料的过程中笔者发现NumPy 官方早在去年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和数据科学包 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,不少人不得不徘徊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。现在,如果有什么和 NumPy 的问题,只需要浏览这份官方中文文档就足够了。它足够的系统、全面且亲民。亲民到什么程度呢?网站还独一份的配备了「防脱发指南」。 NumPy 是什么?它是大名鼎鼎的,使用 Python 进行科学计算的基础软件包,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。

  • 精密广播功能函数。

  • 集成 C/C+和 Fortran 代码的工具。

  • 强大的线性代数、傅立叶变换和随机数功能

此次中文文档还强调了它两大特性:Ndarray 以及切片和索引,这两部分所涉及的功能在日常操作中是十分常见的。
  • Ndarray:一系列同类型数据的集合,以 0 下标为开始进行集合中元素的索引。ndarray 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相同存储大小的区域。

  • 切片和索引:ndarray 对象的内容可以通过索引或切片来访问和修改,与 Python 中 list 的切片操作一样。ndarray 数组可以基于 0 - n 的下标进行索引,切片对象可以通过内置的 slice 函数,并设置 start, stop 及 step 参数进行,从原数组中切割出一个新数组。

官网地址:https://www.NumPy.org.cn 这个官方中文项目内容繁多,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,中文版强调和深度学习联系 从原理开始,中文版增加理论介绍板块 这个开源的官方中文版教程可以说是非常全面了。它从最基本的理解 NumPy 开始,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。 以下为这一部分的目录,从这里可以看到,这部分内容主要介绍 NumPy 的基本理论,以及涉及到其应用的理论部分,如数据分析、神经网络实现,以及在其他代码库中的接口等。 基础篇
  • 理解 NumPy

  • NumPy 简单入门教程

  • Python NumPy 教程

  • 创建 NumPy 数组的不同方式

  • NumPy 中的矩阵和向量

进阶篇

  • NumPy 数据分析练习

  • NumPy 神经网络

  • 使用 NumPy 进行数组编程

  • NumPy 实现k均值聚类算法

  • NumPy 实现DNC、RNN和LSTM神经网络算法

其他篇

  • OpenCV中的图像的基本操作

  • MinPy:MXNet后端的NumPy接口

我们截取了这些文章的部分内容,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。

android官方文档中文版_数据科学|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..._第2张图片

对于多维数组的直观讲解(部分),可以看出官方提供了很好的理论解释和图示。 注意和深度学习的联系 另一方面,NumPy 中文版教程注意到了深度学习近来的发展趋势,因此推出了结合 NumPy 和百度飞桨框架的深度学习教程。可以说,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部分。 如下为这一部分的内容,可以看到,神经网络相关的所有内容,包括原理和相关实现都涵盖到了。在这部分还有一个 7 日的深度学习入门课程,供小白用户参考。 深度学习基础教程
  • 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:如何快速入门深度学习?

  • Day 2:图像识别基础与实战

  • Day 3:目标检测基础与实践(一)

  • Day 3:目标检测实战-RCNN算法讲解

  • Day 3:目标检测实战-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部分。可以看到,代码使用 NumPy 进行加载和预处理,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.shape[0] // feature_num, feature_num)
maximums, minimums, avgs = data.max(axis=0), data.min(axis=0), data.sum(axis=0)/data.shape[0]

for i in six.moves.range(feature_num-1):
   data[:, i] = (data[:, i] - avgs[i]) / (maximums[i] - minimums[i]) # six.moves可以兼容python2和python3

ratio = 0.8 # 训练集和验证集的划分比例
offset = int(data.shape[0]*ratio)
train_data = data[:offset]
test_data = data[offset:]

def reader_creator(train_data):  
    def reader():  
        for d in train_data:  
            yield d[:-1], d[-1:]  
    return reader

train_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_size=BATCH_SIZE)
用户文档和参考手册:覆盖 NumPy 的一切 当然,最核心的部分当然是 NumPy 本身的文档了。中文版中对用户的使用文档和 NumPy 所有 API 都进行了翻译和整理工作,基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和「竞品」Matlab 的比较,以及 NumPy 在 C 语言下的 API 使用方法。
  • NumPy 介绍

  • 快速入门教程

  • NumPy 基础知识

  • 其他杂项

  • 与 Matlab 比较

  • 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程、其他来源的功能+原理解读材料。对于刚上手 NumPy 的人来说,这就是最佳的学习教程。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 如果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鲜感: android官方文档中文版_数据科学|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..._第3张图片 另外,独有一份的防脱发指南让你入坑之时再无后顾之忧:

android官方文档中文版_数据科学|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..._第4张图片

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,如何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 行为准则

  • Git 教程

  • 设置和使用您的开发环境

  • 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。 android官方文档中文版_数据科学|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..._第5张图片  欢迎社会各界加入『运筹OR帷幄』算法知识星球! 随着算法相关专业热度的提升,考研读博、留学申请、求职的难度也在相应飙升,『运筹OR帷幄』建立了【算法社区】知识星球,涵盖运筹学、数据科学、人工智能、管理科学、工业工程等相关专业,集结社区35W专业受众的力量,提供给大家一个共同的学习交流平台,结交志同道合的伙伴。 android官方文档中文版_数据科学|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..._第6张图片 # 加入知识星球,您将收获以下福利 #
  • 依托『运筹OR帷幄』35w+专业受众和35+细分领域硕博微信群的算法技术交流
  • 与国内外Top名校教授|博士和名企研发高管一起交流算法相关技术干货
  • 海量学界|业界(独家内推)招聘|实习机会发布,申请|求职面试经验交流
  • 数学模型|算法|论文|学习资料分享与提问,倡导同行交流,寻找志同道合的“队友”
  • 每月开展一次“人气话题”和“人气回答”评选,百元红包奖励分享和互动
  • 每月一次“领读人”带队Paper|教学视频|原创技术推文等线上Meetup小组学习
  • 享受『运筹OR帷幄』各大城市线下Meetup免费入场资格,拓展人脉

相关文章推荐

Numpy和Pandas合璧,打牢机器学习和深度学习的基本功

点击蓝字标题,即可阅读《【数据科学】Pandas数据分析入门》

本文福利

可以在 公众号后台 回复关键词:“ DS 获取大量由我平台编辑精心整理的数据科学资料,如果觉得有用, 请勿吝啬你的留言和赞哦!

—— 完 ——

android官方文档中文版_数据科学|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..._第7张图片

ab7319da366e925cc0d296de84690a42.png 84127c9a7d7b6ce2e4be8d0958ffe44e.png 93bf94962e00b830848bfdaba8e75619.png android官方文档中文版_数据科学|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..._第8张图片 e0781ac8ccb49a132824c7668e544f7b.gif

文章须知

文章作者:机器之心

责任编辑:书生

审核编辑:阿春

微信编辑:玖蓁

本文转载自公众号 机器之心

(ID:almosthuman2014)

原文链接:「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

你可能感兴趣的:(android官方文档中文版,jqgrid,api中文手册,matlab官方手册,mysql官方文档中文版,numpy中文手册,opencv中文手册)