NumSharp中的Slicing [:]

SciSharp Stack

于 2019-08-25 22:58:08 发布

阅读量612

点赞数

分类专栏： NumSharp 文章标签： NumSharp C#

本文链接：https://blog.csdn.net/scisharp/article/details/100069045

版权

NumSharp库为C#带来了NumPy式的数组切片功能，实现了高效的数据子集视图，这对于.NET平台上的机器学习和数据科学至关重要。切片允许在不复制数据的情况下创建高效的多维数组子集，简化了算法处理高维数据时的复杂性，且支持稀疏视图、递归切片等高级用例，大大提升了性能。

摘要由CSDN通过智能技术生成

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&#