NumSharp v0.6.5 .NET矩阵计算库,与TensorFlow.NET无缝融合

NumSharp(Numerical .NET)可以说是C#中的科学计算库。 它是用C#编写的,符合.netstandard 2.0库标准。 它的目标是让.NET开发人员使用NumPy的语法编写机器学习代码,从而最大限度地借鉴现有大量在python代码的转译成本。 NumSharp使用最新的Span技术安全高效地访问内存,优化每个模拟API的性能,确保最底层的NDArray达到最佳性能状态。NumSharp对于在数组上执行数学和逻辑运算非常有用。 它为.NET中的n维矩阵的操作提供了大量有用的功能。

此版本属于常规API增强更新,主要是为了修复一些API,更符合SciSharp .NET生态的成员项目TensorFlow.NET里有关Tensor和NDArray之间的平滑转换。

// 隐式创建matrix
NDArray nd1 = new double[,]{{1, 2, 3}, {4, 5, 6}};
NDArray nd2 = new double[,]{{1, 2, 3}, {4, 5, 6}};

// 矩阵相加并快速转换shape
var nd3 = (nd1 * nd2).reshape(3, 2);

// 打乱顺序
np.random.shuffle(nd3);


// 创建TensorFlow.NET里的Tensor
// 兼容NDArray的所有创建方式
var t1 = new Tensor(3);
var t2 = new Tensor("Hello SciSharp");
var t3 = new Tensro(new int[]{1, 2, 3});

在使用过程中如果有任何问题,请反馈至到这里

或进入SciSharp的聊天室:https://gitter.im/sci-sharp/community。

相关链接

原文地址:https://www.oschina.net/news/103516/numsharp-0-6-5-released 

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
NumPy是在python中处理数据的最基本和最强大的包。 如果您打算从事数据分析或机器学习项目,那么对numpy的充分理解几乎是必须的。 其他用于数据分析的软件包(如pandas)是建立在numpy之上,用于构建机器学习应用的scikit-learn软件包也在numpy上运行。 但对于.NET开发人员来说,却没有这样的强大工具。 虽然有像Deedle和Math.NET这样的开源,但它们不是很容易使用,也不能借用很多现有的python代码。 NumSharpNumerical .NET)可以说是C#中的线性代数。 它是用C#编写的,符合.netstandard 2.0标准。 它的目标是让.NET开发人员使用NumPy的语法编写机器学习代码,从而最大限度地借鉴现有大量在python代码的转译成本。 NumSharp使用最新的Span技术安全高效地访问内存,优化每个模拟API的性能,确保最底层的NDArray达到最佳性能状态。NumSharp对于在数组上执行数学和逻辑运算非常有用。 它为.NET中的n阵列和矩阵的操作提供了大量有用的功能。 让我们给出一个代码片段来说明如何使用NumSharp。 // 初始化一个NumSharp实例,类名故意叫NumPy var np = new NumPy(); // 产生一个数字0到9的向量 np.arange(10) // 产生一个3维张量 np.arange(12).reshape(2, 3, 2); // 产生10个0到9的随机数,并转换成5*5的矩阵 np.random.randint(low: 0, high: 10, size: new Shape(5, 5)); 上面的代码是不是看起来否非常接近python代码?简直就是如出一辙。NumSharp的目的就是让你可以轻松的复制粘贴Python代码。 如何安装: PM> Install-Package NumSharp   NumSharp 已被如下项目使用: Pandas.NET Bigtree.MachineLearning CherubNLP BotSharp 标签:numpy

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值