Sign in
There are a total of 5 posts.
2025-12-17
深度学习开发者常常困惑 NumPy 与 PyTorch 的关系。本文阐明 NumPy 主要用于 CPU 计算、数据预处理与可视化，而 PyTorch 则专注于 GPU 上的张量运算与自动微分。了解两者的内存共享与转换方式，可帮助你在实际项目中高效切换。
2025-12-16
NumPy的基本运算（+、-、*、/、**）、比较运算、聚合函数（sum、mean、max、min）以及axis概念，从深度学习角度进行详细说明。通过原子运算、标量运算、掩码使用、feature-wise与sample-wise统计计算等实战示例，帮助你快速将NumPy与PyTorch张量运算自然衔接，实现损失、准确率、归一化等核心计算。
NumPy 与 PyTorch 中自由裁剪、选择、变换张量的核心索引与切片技巧，涵盖 1 维至 4 维以上、视图与复制、布尔索引、整数数组索引，配合实战示例，助你快速提升深度学习数据预处理与模型构建效率。
2025-12-15
NumPy 的核心概念 ndarray 通过实例讲解 array 创建、dtype 指定、shape 读取、reshape 变形、astype 转换，帮助深度学习初学者快速掌握必备基础知识。
NumPy 是深度学习的基础工具，本文从向量化、广播、线性代数等核心概念出发，结合代码示例，阐述为何先学 NumPy 能让你更顺畅地使用 PyTorch，并提升数据预处理与模型实现的效率。
