借助NumSharp强大的新阵列切片功能,.NET社区距离拥有强大的开源机器学习平台又近了一步。
Python是机器学习的语言,部分原因在于其优秀的库,如NumPy和TensorFlow。但是,C#开发人员非常需要ML和Data Science的强大开源库。 NumSharp是SciSharp STACK组织的NumPy最佳C#端口,最近通过完全实现slicing 向前迈出了一大步,它允许创建任意N维数组的子集,作为对原始数据的高效视图。这使它成为C#中机器学习与TensorFlow.NET结合使用的有用工具。
怎么这么重要?
如果您还没有使用NumPy,您可能不知道Slicing是多么有用。 Python数组允许通过索引一系列元素来返回数组的切片:a [start:stop:step]。但只有使用NumPy复杂的数组实现切片才能成为一种非常强大的数据处理技术,没有这种技术,机器学习或数据科学将无法再被想象。对于那些不能或不想切换到Python进行机器学习的人来说幸运的是 - 我也对此负责–NumSharp将这种力量带入.NET世界。
作为NumSharp的开发人员之一,我向您介绍了一些重要的用例,用于在C#中使用示例代码片段进行切片。请注意,由于语言语法的不同,在C#中无法以与Python相同的方式进行索引。我们决定保留切片定义的Python语法&#