英语resize怎么翻译？

点击联系发帖人 时间：2022-06-12 10:05

有道在线翻译英语

计算机视觉在社会中已经逐渐普及，并广泛运用于搜索检索、图像理解、手机应用、地图导航、医疗制药、无人机和无人驾驶汽车等领域。而这些应用的核心技术就是图像分类、图像定位和图像探测等视觉识别任务。近期神经网络（也就是“深度学习”）方法上的进展极大地提升了这些代表当前发展水平的视觉识别系统的性能。本课程将深入讲解深度学习框架的细节问题，聚焦面向视觉识别任务（尤其是图像分类任务）的端到端学习模型。在10周的课程中，学生们将会学习如何实现、训练和调试他们自己的神经网络，并建立起对计算机视觉领域的前沿研究方向的细节理解。

最终的作业将包括训练一个有几百万参数的卷积神经网络，并将其应用到最大的图像分类数据库（ImageNet）上。我们将会聚焦于教授如何确定图像识别问题，学习算法（比如反向传播算法），对网络的训练和精细调整（fine-tuning）中的工程实践技巧，指导学生动手完成课程作业和最终的课程项目。本课程的大部分背景知识和素材都来源于

官方笔记：共9篇，本文为第1篇

我们将使用Python编程语言来完成本课程的所有作业。Python是一门伟大的通用编程语言，在一些常用库（numpy, scipy, matplotlib）的帮助下，它又会变成一个强大的科学计算环境。

我们期望你们中大多数人对于Python语言和Numpy库比较熟悉，而对于没有Python经验的同学，这篇教程可以帮助你们快速了解Python编程环境和如何使用Python作为科学计算工具。

一部分同学对于Matlab有一定经验。对于这部分同学，我们推荐阅读页面。

你们还可以查看。该教程是由和为课程创建的。

· 容器· 列表· 字典 · 集合· 元组

· Numpy· 数组· 访问数组· 数据类· 数组计算·

Python是一种高级的，动态类型的多范型编程语言。很多时候，大家会说Python看起来简直和伪代码一样，这是因为你能够通过很少行数的代码表达出很有力的思想。举个例子，下面是用Python实现的经典的quicksort算法例子：

Python有两个支持的版本，分别是2.7和3.4。这有点让人迷惑，3.0向语言中引入了很多不向后兼容的变化，2.7下的代码有时候在3.4下是行不通的。在这个课程中，我们使用的是2.7版本。

和大多数编程语言一样，Python拥有一系列的基本数据类型，比如整型、浮点型、布尔型和字符串等。这些类型的使用方式和在其他语言中的使用方式是类似的。

数字：整型和浮点型的使用与其他语言类似。

Python也有内置的长整型和复杂数字类型，具体细节可以查看。

布尔型：Python实现了所有的布尔逻辑，但用的是英语，而不是我们习惯的操作符（比如&&和||等）。

字符串：Python对字符串的支持非常棒。

字符串对象有一系列有用的方法，比如：

如果想详细查看字符串方法，请看。

译者注：有知友建议container翻译为复合数据类型，供读者参考。

列表就是Python中的数组，但是列表长度可变，且能包含不同类型元素。

列表的细节，同样可以查阅。

切片Slicing：为了一次性地获取列表中的元素，Python提供了一种简洁的语法，这就是切片。

在Numpy数组的内容中，我们会再次看到切片语法。

循环Loops：我们可以这样遍历列表中的每一个元素：

如果想要在循环体内访问每个元素的指针，可以使用内置的 enumerate函数

列表推导List comprehensions：在编程的时候，我们常常想要将一种数据类型转换为另一种。下面是一个简单例子，将列表中的每个元素变成它的平方。

使用列表推导，你就可以让代码简化很多：

列表推导还可以包含条件：

字典用来储存（键, 值）对，这和Java中的Map差不多。你可以这样使用它：

想要知道字典的其他特性，请查阅。

循环Loops：在字典中，用键来迭代更加容易。

如果你想要访问键和对应的值，那就使用 iteritems方法：

字典推导Dictionary comprehensions：和列表推导类似，但是允许你方便地构建字典。

集合是独立不同个体的无序集合。示例如下：

和前面一样，要知道更详细的，查看。

循环Loops：在集合中循环的语法和在列表中一样，但是集合是无序的，所以你在访问集合的元素的时候，不能做关于顺序的假设。

集合推导Set comprehensions：和字典推导一样，可以很方便地构建集合：

元组是一个值的有序列表（不可改变）。从很多方面来说，元组和列表都很相似。和列表最重要的不同在于，元组可以在字典中用作键，还可以作为集合的元素，而列表不行。例子如下：

我们常常使用可选参数来定义函数：

函数还有很多内容，可以查看。

Python对于类的定义是简单直接的：

Numpy是Python中用于科学计算的核心库。它提供了高性能的多维数组对象，以及相关工具。

一个numpy数组是一个由不同数值组成的网格。网格中的数据都是同一种数据类型，可以通过非负整型数的元组来访问。维度的数量被称为数组的阶，数组的大小是一个由整型数构成的元组，可以描述数组不同维度上的大小。

我们可以从列表创建数组，然后利用方括号访问其中的元素：

Numpy还提供了很多其他创建数组的方法：

其他数组相关方法，请查看。

Numpy提供了多种访问数组的方法。

切片：和Python列表类似，numpy数组可以使用切片语法。因为数组可以是多维的，所以你必须为每个维度指定好切片。

你可以同时使用整型和切片语法来访问数组。但是，这样做会产生一个比原数组低阶的新数组。需要注意的是，这里和MATLAB中的情况是不同的：

整型数组访问：当我们使用切片语法访问数组时，得到的总是原数组的一个子集。整型数组访问允许我们利用其它数组的数据构建一个新的数组：

整型数组访问语法还有个有用的技巧，可以用来选择或者更改矩阵中每行中的一个元素：

布尔型数组访问：布尔型数组访问可以让你选择数组中任意元素。通常，这种访问方式用于选取数组中满足某些条件的元素，举例如下：

为了教程的简介，有很多数组访问的细节我们没有详细说明，可以查看。

每个Numpy数组都是数据类型相同的元素组成的网格。Numpy提供了很多的数据类型用于创建数组。当你创建数组的时候，Numpy会尝试猜测数组的数据类型，你也可以通过参数直接指定数据类型，例子如下：

基本数学计算函数会对数组中元素逐个进行计算，既可以利用操作符重载，也可以使用函数方式：

和MATLAB不同，*是元素逐个相乘，而不是矩阵乘法。在Numpy中使用dot来进行矩阵乘法：

Numpy提供了很多计算数组的函数，其中最常用的一个是sum：

想要了解更多函数，可以查看。

除了计算，我们还常常改变数组或者操作其中的元素。其中将矩阵转置是常用的一个，在Numpy中，使用T来转置矩阵：

Numpy还提供了更多操作数组的方法，请查看。

广播是一种强有力的机制，它让Numpy可以让不同大小的矩阵在一起进行数学计算。我们常常会有一个小的矩阵和一个大的矩阵，然后我们会需要用小的矩阵对大的矩阵做一些计算。

举个例子，如果我们想要把一个向量加到矩阵的每一行，我们可以这样做：

这样是行得通的，但是当x矩阵非常大，利用循环来计算就会变得很慢很慢。我们可以换一种思路：

Numpy广播机制可以让我们不用创建vv，就能直接运算，看看下面例子：

对两个数组使用广播机制要遵守下列规则：

如果数组的秩不同，使用1来将秩较小的数组进行扩展，直到两个数组的尺寸的长度都一样。
如果两个数组在某个维度上的长度是一样的，或者其中一个数组在该维度上长度为1，那么我们就说这两个数组在该维度上是相容的。
如果两个数组在所有维度上都是相容的，他们就能使用广播。
如果两个输入数组的尺寸不同，那么注意其中较大的那个尺寸。因为广播之后，两个数组的尺寸将和那个较大的尺寸一样。
在任何一个维度上，如果一个数组的长度为1，另一个数组长度大于1，那么在该维度上，就好像是对第一个数组进行了复制。

如果上述解释看不明白，可以读一读和这个。译者注：强烈推荐阅读文档中的例子。

支持广播机制的函数是全局函数。哪些是全局函数可以在中查找。

下面是一些广播机制的使用：

广播机制能够让你的代码更简洁更迅速，能够用的时候请尽量使用！

这篇教程涉及了你需要了解的numpy中的一些重要内容，但是numpy远不止如此。可以查阅来学习更多。

Numpy提供了高性能的多维数组，以及计算和操作数组的基本工具。基于Numpy，提供了大量的计算和操作数组的函数，这些函数对于不同类型的科学和工程计算非常有用。

熟悉SciPy的最好方法就是阅读。我们会强调对于本课程有用的部分。

SciPy提供了一些操作图像的基本函数。比如，它提供了将图像从硬盘读入到数组的函数，也提供了将数组中数据写入的硬盘成为图像的函数。下面是一个简单的例子：

左边是原始图片，右边是变色和变形的图片。

SciPy定义了一些有用的函数，可以计算集合中点之间的距离。

matplotlib库中最重要的函数是Plot。该函数允许你做出2D图形，如下：

运行上面代码会产生下面的作图：

只需要少量工作，就可以一次画不同的线，加上标签，坐标轴标志等。

可以在中阅读更多关于plot的内容。

可以使用subplot函数来在一幅图中画不同的东西：

关于subplot的更多细节，可以阅读。

你可以使用imshow函数来显示图像，如下所示：

转载声明：本文转载自知乎专栏：

}

计算机上c:\是c盘符英语中盘符,是什么?随便求点计算机英语... 计算机上c:\是c盘符

· 超过14用户采纳过TA的回答

下载百度知道APP，抢鲜体验

使用百度知道APP，立即抢鲜体验。你的手机镜头里或许有别人想知道的答案。

}

常信村百科网