前言
笔者最近在学习深度学习,了解了tensorflow和mxnet这两个框架
总的来说这两个框架各有优劣
tensorflow的学习资源,代码更多一点
mxnet对新手比较友好,有指定书籍进行指导,社区也比较活跃,方便交流
最近也是在跟着Dive into Deeplearning进行学习
所以想写一篇博客来对mxnet进行一个基础的总结
数据类型
在tensorflow中,我们操作的数据类型叫Tensor,张量
对应mxnet中,我们也有一个类似的数据类型,叫NDArray
它跟numpy里的array很相似,但又在其基础上添加了一些额外的方法,方便开发者进行机器学习模型的构建
下面是一些示例代码
from mxnet import nd
x = nd.arange(1, 10, 2)
print(x)
y = nd.random.uniform(shape=(1, 10))
print(y)
下面是对应输出
[1. 3. 5. 7. 9.]
<NDArray 5 @cpu(0)>
[[0.5488135 0.5928446 0.71518934 0.84426576 0.60276335 0.8579456
0.5448832 0.8472517 0.4236548 0.6235637 ]]
<NDArray 1x10 @cpu(0)>
Mxnet的好处就是可以直接输出查看我们的Ndarray的数值
简单介绍一下,nd里面有许多构建方法
nd.arange 是输出一个范围的张量,这里我是从1到10,每隔