没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
65页
Python深度学习是一种使用Python编程语言进行深度学习任务的方法。而基于PyTorch的Python深度学习是使用PyTorch库进行深度学习任务的方法。 PyTorch是一个基于Torch的开源机器学习库,它提供了易于使用的API和工具,用于构建和训练神经网络模型。它被广泛应用于各种深度学习任务,包括图像分类、目标检测、语义分割等。 在使用Python深度学习基于PyTorch进行深度学习任务时,您可以使用PyTorch的强大功能来构建、训练和评估神经网络模型。您可以使用PyTorch提供的各种预训练模型和优化算法来加速您的深度学习任务。 总结起来,Python深度学习基于PyTorch是一种使用Python编程语言和PyTorch库进行深度学习任务的方法,它提供了丰富的工具和功能来帮助您构建和训练神经网络模型。
资源推荐
资源详情
资源评论
前 言
2
本PPT目的
梳理本书内容
提炼各章节核心内容
拓展一些内容
增加PyTorch 1.x一些内容
增加TensorFlow 2.x对应内容
机器学习内容
增加一些最新内容:如Transformer等
本书内容结构
3
第1章 NumPy基础(1/7)
4
概述
NumPy与列表的异同
列表中元素可以不同类型,但NumPy必须是同类型
列表不支持数组或矩阵运算,但NumPy支持,而且还很多
用C写成的通用函数的支持
列表中存放的各个数据的地址或指针,比较耗费内存;而
一个NumPy数组对应一块地址
列表和NumPy都有类似的索引及操作方法
NumPy的两种基本对象
多维数组(ndarray)
通用函数(ufunc),如加减乘除,三角函数等,通用函数采
用向量化运行,可避免使用for循环,效率比较高。
第1章 NumPy基础(2/7)
5
基本属性
第1章 NumPy基础(3/7)
6
常用函数
np.arange(0,7,1,dtype=np.int16) # 0为起点,间隔为1时可缺
省(引起歧义下不可缺省)
np.ones((2,3),dtype=np.int16) # 2行,3列,全1,指定数据
类型
np.zeros((2,3)) # 2行,3列,全0
np.empty((2,3)) #值取决于内存
np.arange(0,10,2) # 起点为0,不超过10,步长为2
np.linspace(-1,2,5) # 起点为-1,终点为2,取5个点
np.random.randint(0,10,(2,3)) # 大于等于0,小于10,2行3
列的随机整数
剩余64页未读,继续阅读
资源评论
不死鸟suns
- 粉丝: 2
- 资源: 69
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功