数字类 default 0和 default 0_数字“0”的故事

作者:Eleanor Cummins

3a7248706e1b6010dc886a76c23e8b3f.png

Credit:HW

太初无一物,零蛋始到来。这个无处不在的小椭圆,生活里如果没有它我们可咋整。正是这个小零蛋保持着数学、科学和互联网屹立不倒。但它并不是一开始就有的。

让我们回顾一下历史。会计是一门古老的职业,苏美尔是已知最早的美索不达米亚文明,这个文明有一个位置编号系统,因此不需要占位符。 随后的帝国,巴比伦,却有不同的要求,所以它的数字运算使用两个空楔形来表示像507这样的数字总和。在世界各地,比如玛雅文明提出了自己的解决类似问题的方法,将一个空壳置于现代我们要写0的位置上。一些专家认为这些楔子是0的基础,但大多数学者将0的发明归因于一个数字 - 不是一个实体,而是一个代表自己的符号,一个可以在等式中使用的东西 - 这个数字来自印度。

在公元400年左右,丝绸之路的贸易商将制作的香料或购买的编织地毯的总量在巴赫沙利手稿(Bakhshali手稿)的帮助下制成表格。1881年,一位农民在当今巴基斯坦的一块田地里发现了这张风化的文件,当时看起来像是一些古老的数学作业。但牛津大学的学者认为,这是0发明的最早已知证据,在手稿中是用填充点表示的。

巴赫沙利手稿用梵文写成,用点作为占位符和数字之间的间隔。英国《卫报》在2017年指出,“这是一个问题,答案是0,但这里答案是空白的。”但正如“缺失的环节”帮助我们了解新物种的演变一样,历史学家把巴赫沙利手稿作为理解新观念演变的重要证据。到了公元628年,当印度教天文学家布拉马古普塔努力工作时,印度科学家们正在使用点状0作为一个完整的数字 - 并将其视为理所当然的。

0从印度开始席卷世界,首先被阿拉伯世界广泛接受。在公元9世纪,波斯数学家花拉子密(Mohammed ibn-Musa al-Khowarizmi)使用“sifr” (即:“空”)数位发明了代数。

那为什么其他人接受这个概念就很晚呢?专家们认为是他们害怕。

“有些人声称希腊人对[0]的想法不屑一顾,但是,在他们的亚里士多德理论框架中发现‘虚空’的概念过于可怕,不能传承下去,”数学家Manil Suri在2017年《纽约时报》专栏文章中如此写道。相比之下,牛津数学家Marcus Du Sautoy告诉《卫报》说,印度文化“非常乐于设想‘虚空’,设想‘无限’。”

除了彻底的文化概括之外,这个主张还提出了一些东西。当中世纪的基督徒面对0时,他们认为这是撒旦,他们推断这个数字反上帝 - 并且放弃使用它。只有几百年前的商人继续秘密使用0,用密码写文件。

当然,整个西方世界最终还是真香了。在17世纪,当牛顿开发微积分时,0为他解决了一些繁重的工作。二十世纪人们将二进制数学转换为二进制代码,其成功正是因为有1和0。0花了1000年 - 这是三个0 - 但这个零蛋真的是很棒的东西呀。

本文译自 popsci,由译者 HW 基于创作共用协议(BY-NC)发布。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要使用PyTorch对MNIST手写数字图像进行分,你可以按照以下步骤进行操作: 1. 首先,使用PyTorch定义ResNet50网络模型。ResNet50是一种深度卷积神经网络,适用于图像分任务。 2. 接下来,使用PyTorch加载MNIST数据集。PyTorch提供了方便的数据加载工具,你可以使用torchvision.datasets.MNIST函数加载MNIST数据集。如果是第一次运行代码,PyTorch会自动下载数据集。 3. 在加载数据集之后,你可以对数据进行一些预处理操作。例如,可以使用torchvision.transforms.Compose函数将多个转换操作组合在一起,比如将图像转换为Tensor,并进行标准化。 4. 接着,你可以创建训练数据加载器和测试数据加载器。可以使用torch.utils.data.DataLoader函数来创建数据加载器。训练数据加载器用于训练模型,测试数据加载器用于评估模型的性能。你可以指定批量大小、是否打乱数据等参数。 5. 然后,你可以使用定义好的网络模型、数据加载器和损失函数,进行训练过程。训练过程中,可以使用优化器(如SGD或Adam)来更新模型的参数,并计算损失值。训练过程中可以显示损失值的变化情况。 总结起来,对于MNIST手写数字图像分的PyTorch代码,你需要定义ResNet50网络模型,加载MNIST数据集,进行数据预处理,创建训练和测试数据加载器,并进行训练过程。 请注意,上述步骤只是一个大致的框架,具体的代码实现可能会有所不同。你可以根据自己的需求和实际情况对代码进行调整和修改。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [Resnet50卷积神经网络训练MNIST手写数字图像分 Pytorch训练代码](https://download.csdn.net/download/baidu_36499789/87418795)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [用PyTorch实现MNIST手写数字识别(非常详细)](https://blog.csdn.net/sxf1061700625/article/details/105870851)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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
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