设为首页 - 加入收藏 ASP站长网(Aspzz.Cn)- 科技、建站、经验、云计算、5G、大数据,站长网!
热搜: 创业者 数据 手机
当前位置: 首页 > 综合聚焦 > 编程要点 > 语言 > 正文

PyTorch 的基础入门及重要基础

发布时间:2021-05-26 21:47 所属栏目:51 来源:互联网
导读:
导读:为什么使用 Numpy? 实际上 Python 本身含有列表(list)和数组(array),但对于大数据来说,这些结构是有很多不足的。 由于列表的元素可以是任何对象,因此列
为什么使用 Numpy? 实际上 Python 本身含有列表(list)和数组(array),但对于大数据来说,这些结构是有很多不足的。

由于列表的元素可以是任何对象,因此列表中所保存的是对象的指针。例如为了保存一个简单的[1,2,3],都需要有 3 个指针和 3 个整数对象。对于数值运算来说,这种结构显然比较浪费内存和 CPU 等宝贵资源。

至于 array 对象,它可以直接保存数值,和C语言的一维数组比较类似。但是由于它不支持多维,在上面的函数也不多,因此也不适合做数值运算。

Numpy 的诞生弥补了这些不足,它提供了两种基本的对象:ndarray(N-dimensional Array Object)和 ufunc(Universal Function Object)。ndarray 是存储单一数据类型的多维数组,而 ufunc 则是能够对数组进行处理的函数。
NumPy 和数值计算 NumPy 通常与 SciPy(Scientific Python)和 Matplotlib(绘图库)一起使用, 这种组合广泛用于替代 MatLab,是一个强大的科学计算环境,有助于我们通过 Python 学习数据科学或者机器学习。

SciPy 是一个开源的 Python 算法库和数学工具包。

SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。

Matplotlib 是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面,它为利用通用的图形用户界面工具包,如 Tkinter、wxPython、GTK+ 等向应用程序嵌入式绘图提供了应用程序接口(API)。 Python 和机器学习 在机器学习和深度学习中,图像、声音、文本等输入数据最终都要转换为数组或矩阵。如何有效地进行数组和矩阵的运算?这就需要充分利用Numpy。

Numpy 是数据科学的通用语言,而且与 PyTorch 关系非常密切,它是科学计算、深度学习的基石。尤其对 PyTorch 而言,其重要性更加明显。PyTorch 中的 Tensor 与 Numpy 非常相似,它们之间可以非常方便地进行转换,掌握 Numpy 是学好 PyTorch 的重要基础。

(编辑:ASP站长网)

    网友评论
    推荐文章
      热点阅读