numpy

小编最近在网上下载了一批素材图片需要批量裁剪，这可难住小编了，一张张来做的话，那可得弄到猴年马月了。这时有小伙伴给推荐了一款神器：OpenCV。据说小伙伴说，他们做图像处理，经常会需要大批量的修改图片尺寸来做训练样本时，用的就是OpenCV

最近在都 Deep Learning with Pytorch 这本书，目前为止感觉还是不错。尤其是它里面的手绘风插图，真的是印象深刻，好感顿生。 第三章介绍了 tensor 的数据结构，感觉讲的挺好的，做一个笔记，加深下印象

Python 的标准函式“statistics”提供了一些基本的数学统计函式，可以快速求出平均数、中位数、标准差、众数...等数字统计，但如果需要更专业的统计函式，则需要参考 NumPy 或 SciPy 等第三方函式库。 mean() 可以计算多个数字的平均值，计算结果以小数点两位显示。 mean() 可以计算多个数字的中位数，如果数字的数量为奇数，则回传中间的数字，如果是偶数，则回传中间数字的平均值

PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够 实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的。 PyTorch提供了两个高级功能： 1.具有强大的GPU加速的张量计算（如Numpy） 2.包含自动求导系统的深度神经网络 除了Facebook之外，Twitter、GMU和Salesforce等机构都采用了PyTorch

Numpy 是 Python 的一个科学计算库，在数学、统计、工程等方面都有非常好的应用。Numpy 对多维数组的支持也非常完善，包括矩阵的运算，高维数组运算等。很多库都依赖于 Numpy，例如 PyTorch，Tensorflow 等，尤其涉及到多维数组的操作时，更是少不了 Numpy

它是对数值计算 NumPy 库的一个补充。Matplotlib 是一个强大且广泛使用的库，它提供了一个面向对象的 API，用于将绘图嵌入到通用 GUI 工具箱（如 Tkinter、wxPython、Qt 或 GTK+）中。 欢迎阅读《使用 Matplotlib for Python 创建和定制图表》!在本课程中，我们将帮助你了解 Matplotlib 的基础知识，包括如何使用编程语言通过创建图来直观地表示数据

目前的神经网络中，每一层的神经元都做的是类似的事情，比如一个卷积层内的每个神经元都做的是一样的卷积操作。而 Hinton 坚信，不同的神经元完全可以关注不同的实体或者属性，比如在一开始就有不同的神经元关注不同的类别（而不是到最后才有归一化分类）。具体来说，有的神经元关注位置、有的关注尺寸、有的关注方向

在使用 Pandas 和 Numpy 的时候，总是搞不懂 axis，感觉和我理解的正好相反。 比如下面的操作： axis=0 代表的是和行有关，axis=1 是和列有关，所以我理解的是 s0 是对行进行相加，结果应该 s0=[3 7]，但实际却是[4 6]。 关于为什么是这样的设计，我相信下面这个 youtube 视频可以解决问题： 如果你看不了，我下面简单说明一下

Tensor (张量) 是Pytorch的最重要的一个基础概念和组成元素。 简单来说，张量是一种基础的数据结构，即所谓的多维数组。通常我们称一个数为scalar 一维数组为vector（向量），二维数组为matrix（矩阵），三维及以上为tensor（张量）

SciPy，一个用于Python的科学库是一个开源的，BSD许可的数学库，科学和工程. SciPy库依赖于NumPy，它提供方便快捷的N维数组操作.构建SciPy库的主要原因是它应该与NumPy数组一起使用.它提供了许多用户友好且高效的数值实践，例如数值积分和优化的例程.这是一个介绍性教程，涵盖了SciPy的基础知识，并描述了如何处理其各种模块. 这教程是为想要学习基本功能以及SciPy各种功能的读者准备的.完成本教程后，读者将发现自己处于中等水平的专业知识，从那里他们可以将自己带到更高水平的专业知识. <在继续本教程中给出的各种概念之前，期望读者对Python有基本的了解.除此之外，如果读者具有其他编程语言的一些基本知识，那将非常有用. SciPy库依赖于NumPy库，因此学习NumPy的基础知识可以使理解变得容易.