numpy标签_亚马逊云科技技术品牌专区

numpy

《中小企业选大模型服务：AI Ping 的轻量化实测方案值得试》

在AI技术迭代加速的背景下，建立科学的模型评估能力，正成为企业智能化转型的关键基础设施。：某制造企业通过该方案，在3周内完成从选型到部署的全流程，其技术总监表示："相比传统耗时数月的POC验证，轻量化实测让技术决策效率提升近10倍。在人工智能技术飞速发展的当下，大型语言模型已成为企业数字化转型的重要工具。通过两周轻量测试，该企业发现模型B在核心业务场景表现最优，且成本仅为行业均值的$70%$，最终

 2501_93879060
2025-10-21 23:22:00

 282

 3

#人工智能 #numpy
pytorch深度学习笔记2—numpy基础操作

【代码】pytorch深度学习笔记2—numpy基础操作。

青箬笠绿蓑江船行
2025-10-29 15:38:56

 158

 3

#python #numpy #开发语言
基于深度学习的线性回归算法预测房价

data = pd.read_csv('house_price.csv')# 修正了pdread_csv为pd.read_csv，变量名date改为data。plt.scatter(data.loc[:,'人均收入'], data.loc[:,'价格'])plt.scatter(data.loc[:,'平均房龄'], data.loc[:,'价格'])plt.scatter(data.loc[:,

2501_93810897
2025-10-30 09:52:32

 384

 11

#python #numpy #机器学习
基于机器学习的线性回归房价预测

plt.scatter(data.loc[:,'人均收入'],data.loc[:,'价格'])plt.scatter(data.loc[:,'平均房龄'],data.loc[:,'价格'])plt.scatter(data.loc[:,'面积'],data.loc[:,'价格'])X = data.drop(['价格'],axis=1)print("数据集中的前10条记录:")y = data.

aiyuanhui1
2025-10-31 11:21:02

 274

 3

#python #numpy #开发语言
机器学习模型案例

plt.scatter(data.loc[:,'人均收入'],data.loc[:,'价格'])plt.scatter(data.loc[:,'平均房龄'],data.loc[:,'价格'])plt.scatter(data.loc[:,'面积'],data.loc[:,'价格'])（3）练习搭建和训练基于线性回归算法预测房价的机器学习模型。X = data.drop(['价格'],axis=1)

guguangguo
2025-10-31 11:18:31

 199

 9

#python #numpy #开发语言
基于机器学习的线性回归防诈预测

plt.scatter(data.loc[:,'人均收入'],data.loc[:,'价格'])plt.scatter(data.loc[:,'平均房龄'],data.loc[:,'价格'])plt.scatter(data.loc[:,'面积'],data.loc[:,'价格'])X = data.drop(['价格'],axis=1)print("数据集中的前10条记录:")y = data.

pyyycc
2025-10-31 11:21:42

 386

 3

#python #numpy #机器学习
Rust语言在微服务化架构下支持AI大模型高性能计算与安全推理的实践指南

摘要：Rust语言凭借内存安全、高并发等特性，正成为企业部署AI大模型的理想选择。本文探讨Rust微服务架构如何解决AI大模型的高性能计算与安全推理挑战，包括资源消耗、内存风险等关键问题。通过金融、制造、电商等行业案例，展示Rust微服务在降低延迟、提升安全性和支持高并发方面的显著优势，为企业智能化转型提供高效安全的技术方案。

2501_94140376
2025-11-06 16:41:33

 1003

 28

#numpy
Java编程新纪元探索Lambda表达式与函数式编程的无限可能

这种编程范式不仅改变了代码书写方式，更深刻地影响了软件设计思维，为构建更健壮、更可维护的应用程序开辟了无限可能。try-with-resources语句与Lambda表达式的结合，为资源管理提供了更简洁的解决方案。通过声明式编程风格，开发者可以构建复杂的数据处理管道，同时保持代码的简洁性与可读性。Java 8的发布标志着编程语言演进的重要里程碑，其中最具革命性的特性当属Lambda表达式和函数式编

 pJPJFfeI
2025-11-07 11:57:20

 416

 5

#numpy
第十届大数据竞赛决赛本科组

X_test = df_test.drop(['ID', 'Y'], axis=1)# 测试集可能无Y。print("验证集准确率:", accuracy_score(y_val, y_pred_val))submit_df.to_csv('预测结果.csv', index=False)'信用分类（是否有风险，是=1，否=0）': y_pred_test。1. 数据预处理：筛选信用差（Y=0）的客

 btsjk520
2025-11-10 19:02:08

 727

 8

#java #python #numpy
机器学习常见问题之numpy维度问题

本文深入剖析了NumPy中shape=(100,)与(100,1)的本质区别，指出前者是一维数组而后者是二维列向量。作者通过实例揭示了广播机制可能导致的意外结果，并提供了维度转换的实用方法：使用reshape()或np.newaxis将一维转为二维，用flatten()或squeeze()反向转换。特别强调索引方式对维度的影响——整数索引会降维而切片索引保持维度。最后给出了最佳实践：保持维度敏感、

m0_63246220
2025-11-16 15:38:28

 780

 12

#机器学习 #numpy #人工智能
机器学习之ravel()的作用

NumPy 中的 ravel() 函数用于将多维数组"压平"为一维数组，通常返回原始数据的视图而非拷贝，这意味着修改结果会影响原数组。与 flatten()（始终返回拷贝）和 reshape(-1)（类似 ravel() 但语义不同）相比，ravel() 更高效但安全性较低。选择使用时：需确保数据安全时用 flatten()，追求性能且不修改数据时用 ravel() 或 res

m0_63246220
2025-11-16 16:08:32

 525

 3

#机器学习 #numpy
NumPy 2.x 完全指南【四十四】深度学习中的张量

张量 (Tensor)的表现形式和应用方式会因研究领域和对象的不同而产生差异。不同于数学、物理中复杂的理论和公式，深度学习中张量剥离了复杂的变换规则与几何意义，主要应用于数据的高效表示与计算，可理解为多维数组。具有任意的维度，如一维、二维、三维等。在 Numpy 中，张量就是使用 numpy.ndarray（N维数组）对象表示。————————————————版权声明：本文为CSDN博主「墨禹」

云烟成雨TD
2025-11-18 13:47:10

 849

 21

#numpy #python #机器学习
【深度学习】深度学习理论与实战：全面解析多层神经网络

本文系统介绍了多层神经网络的核心原理与PyTorch实现。首先分析了单层线性模型的局限性，指出激活函数是神经网络实现非线性的关键，详细讲解了Sigmoid、Tanh和ReLU三种常用激活函数的特点。接着通过"螺旋形数据分类"任务，对比了单层Logistic回归与多层神经网络的效果差异，并演示了Sequential和Module两种模型构建方式。实验结果表明，多层网络结合激活函数

 fly insky
2025-11-23 02:31:59

 1189

 27

#深度学习 #人工智能 #神经网络 +3
机器学习与深度学习day16——numpy数组与shap的深度理解(day15复习日)

NumPy 数组的或称为的概念，与我们日常理解的维度非常相似。[][][][]

朝朝辞暮383
2025-11-30 19:03:29

 733

 12

#机器学习 #深度学习 #numpy
【机器学习】案例2.4——优化后的随机梯度下降，确保所有样本都被随机遍历

【代码】【机器学习】案例2.4——优化后的随机梯度下降，确保所有样本都被随机遍历。

Charlie482
2025-12-01 14:50:26

 115

 2

#机器学习 #numpy #人工智能
【机器学习】案例2.3——numpy实现小批量梯度下降

【代码】【机器学习】案例2.3——numpy实现小批量梯度下降。

Charlie482
2025-12-01 14:48:09

 103

 1

#机器学习 #numpy #人工智能
【机器学习】案例2.2——numpy实现随机梯度下降

【代码】【机器学习】案例2.2——numpy实现随机梯度下降。

Charlie482
2025-12-01 14:46:56

 104

 2

#机器学习 #numpy #人工智能
小白从零开始勇闯人工智能：机器学习初级篇（Numpy库上）

NumPy是Python科学计算的核心库。因为机器学习模型处理的数据本质上是数值型的，所以我们需要可以进行高效的数据表示与计算的工具。NumPy 的数组在内存中连续存储，并且其底层运算由 C 语言实现，使得其数值计算速度极快。NumPy 提供了简洁一致的语法为机器学习算法处理海量数据提供了必需的性能和基础结构。

啊巴矲
2025-12-05 19:30:12

 957

 18

#人工智能 #机器学习 #numpy
小白从零开始勇闯人工智能：机器学习初级篇（Numpy库下）

在上一章中我们Numpy库中的数组元素有了基本的认识，博主将和大家在这一章里学习如何去操作修改这些数组元素。

啊巴矲
2025-12-06 16:36:44

 924

 14

#人工智能 #numpy
机器学习预备知识：numpy、pandas、matplotlib库

正式开启机器学习的学习之前，我们需要掌握numpy(处理矩阵的库），panda（处理表盒的库）

一招定胜负
2025-12-08 00:16:13

 384

 5

#机器学习 #numpy #人工智能
基于大数据机器学习：基于Python机器学习算法房源可视化分析推荐系统的设计与实现

本项目基于 Django框架开发的房屋可视化分析推荐系统。这个系统结合了大数据爬虫、机器学习算法、数据分析和数据可视化技术，旨在提供对房屋信息的全面分析和个性化推荐。系统的前端采用了HTML、CSS 和 JavaScript 技术，利用 Echarts实现数据可视化，并整合了百度地图的热力图功能，以更直观的方式展示数据。后端部分完全基于Django 框架开发，使用 MySQL作为主要数据库存储数据

 星川皆无恙
2025-12-13 14:40:02

 913

 11

#大数据 #机器学习 #python +4
大数据分析与应用学习心得：从数据到洞察的进阶之旅

大数据分析与应用的学习是一场 “持久战”，从工具入门到实战进阶，每一步都需要不断试错、总结。这段学习经历让我不仅掌握了技术工具，更学会了用数据的视角看待问题。未来，我将继续深耕技术、结合业务，在数据中挖掘更多有价值的洞察，让大数据真正成为驱动决策的 “利器”。也希望每一位大数据学习者都能在这条路上，保持好奇、持续探索，在数据的海洋中找到属于自己的方向。

2401_89814529
2025-12-25 17:11:30

 709

 20

#数据分析 #数据挖掘 #数据可视化 +3
大数据分析与应用学习实践心得体会：从理论到落地的进阶之路

本文分享了大数据分析与应用的学习实践心得。文章首先指出大数据分析的核心价值在于业务应用，而非单纯的数据规模或技术复杂度。随后详细介绍了大数据分析的全流程，包括数据采集、预处理、存储、建模分析、可视化及落地执行。在技术层面，作者总结了Python生态、Hadoop/Spark分布式框架及可视化工具的使用技巧，并通过电商用户复购预测项目展示了从需求对接、特征工程到模型优化、精准营销的完整案例。最后强调

 susu1414
2026-01-03 17:13:44

 1118

 12

#matplotlib #numpy #pandas +4
深度学习食品分类

model_name = 'resnet18'#模型名num_class = 11#类别数量batchSize = 32#步长learning_rate = 1e-4#学习率loss = nn.CrossEntropyLoss()#交叉熵损失函数（CE）# 注：CE运用于回归类型，以概率输出，不易梯度消失#MSE运用于分类类型，以连续值输出。易梯度消失epoch = 10#轮数。

Demonssses
2026-01-13 11:38:54

 47

 1

#分类 #人工智能 #深度学习 +2
AI大模型-numpy

NumPy是Python科学计算的核心库，提供高效的多维数组(ndarray)和数学运算工具。核心功能包括：数组创建(np.array)、索引切片、形状调整(reshape)、合并分割(concatenate/split)；支持向量化运算、广播机制和线性代数操作；提供zeros/ones/arange等便捷数组生成方法。其优化性能的关键在于避免显式循环、使用内置函数和预分配内存。NumPy广泛应用

 xiaobai_12452
2026-01-16 19:48:16

 40

#人工智能 #numpy
真·开外挂！MIT新研究：架构0改动，让大模型解锁千万级上下文

不管大模型宣称自己的上下文窗口有多大，它们处理超长文本时，都会遇到文本越长，模型对早期信息的记忆越模糊，推理性能直线下滑的问题。这就像我们读百万字小说，读到后半段，早就忘了前半段的关键情节。让大模型轻松处理比自身上下文窗口长两个数量级的超长文本！MIT CSAIL研究团队提出了一种叫做的长文本处理新方法，来解决上下文腐烂问题。不修改模型架构、不升级模块设计，但能让GPT-5、Qwen-3这类顶尖模

 我很哇塞耶
2026-01-20 10:11:01

 383

 5

#人工智能 #机器学习 #AI +3
（免费领源码）基于Django的图书管理系统设计11885-计算机毕设JAVA、PHP、python、爬虫、APP、小程序、C# 、C++、数据可视化、大数据、全套文案

摘要：本文设计并实现了一个基于Django框架的图书管理系统。系统采用Python语言开发，MySQL数据库存储数据，实现了图书信息的数字化管理。系统包含管理员和读者用户两个角色，管理员可进行用户管理、图书分类、借阅归还审核等操作；读者用户可实现图书查询、借阅、归还等功能。系统严格遵循软件开发流程，通过需求分析、系统设计、功能实现等阶段，最终完成了具有良好用户体验的图书管理系统。测试结果表明系统运

 bscxy322
2026-01-22 11:13:58

 656

 6

#python #django #mysql +2
学习机器学习的准备工作：numpy、pandas、matplotlib的基本操作

学习机器学习的准备工作：numpy、pandas、matplotlib的基本操作，日记，1月22日，星期四，杂谈01

材754
2026-01-22 22:08:09

 873

 15

#学习 #机器学习 #numpy
毕业设计：基于机器学习的心血管病数据分析系统（源码）

本文设计开发了一个基于机器学习的心血管病数据分析系统，旨在解决传统风险评估模型的局限性。系统采用Python+SQLite+Django技术栈，构建了包含七大功能模块的集成化平台：1）用户认证模块确保数据安全；2）数据驾驶舱提供可视化总览；3）医疗数据管理模块支持结构化录入与查询；4）核心预测模块集成多种机器学习算法进行风险等级评估；5）报告生成模块输出个性化健康建议；6）病史管理模块实现长期追踪

 csdnFIRE
2026-01-26 08:30:00

 1439

 25

#机器学习 #人工智能 #python +1
【NumPy】MNIST上深度学习计算过程理解：一、数据准备和权重初始化

本文详细解析了MNIST数据集上的深度学习计算过程。首先介绍了数据准备，包括从指定网站获取训练集和测试集，并对数据进行归一化处理（将像素值缩放到0-1）和one-hot编码转换标签。然后重点解释了权重初始化的原理：通过生成小随机数（范围[-0.1,0.1]）来打破神经元对称性，避免激活函数饱和和梯度消失问题。文章使用教学类比说明随机初始化的重要性，并对比了大权重和小权重的差异，强调小权重能带来更稳

 偷吃的耗子
2026-01-26 15:38:27

 1791

 24

#numpy #深度学习 #人工智能
【NumPy】MNIST上深度学习计算过程理解：二、大权重初始化问题

本文探讨了深度学习中的梯度消失问题及其与权重初始化的关系。以MNIST数据集和sigmoid激活函数为例，分析了大权重初始化导致梯度消失的机制：当权重过大时，神经元输入加权和的绝对值增大，使得sigmoid函数的导数趋近于0，在反向传播时梯度会迅速衰减。通过数值计算对比显示，使用[-1,1]大权重初始化的网络隐藏层梯度约为0.008，而使用[-0.1,0.1]小权重时梯度保持更合理。研究表明，适当

 偷吃的耗子
2026-01-26 19:20:19

 834

 32

#numpy #深度学习 #人工智能
【NumPy】MNIST上深度学习计算过程理解：三、前向传播和反向传播

本文以MNIST手写数字识别为例，详细讲解了深度学习中的前向传播和反向传播过程。前向传播通过输入层、隐藏层（使用ReLU激活函数）和输出层进行预测，并应用Dropout防止过拟合。反向传播则利用链式法则计算梯度，更新权重以减少预测误差。文中还通过一个简化示例，具体演示了权重初始化和前向、反向传播的数值计算过程，帮助读者深入理解神经网络的工作原理。整个过程展示了如何通过矩阵运算和梯度下降优化模型参数

 偷吃的耗子
2026-01-27 16:18:52

 857

 15

#numpy #深度学习 #人工智能
【NumPy】MNIST上深度学习计算过程理解：四、激活函数和Dropout

基于对应上的深度学习过程，对每一步进行详细的说明，方便数据和实例的结合理解深度学习的过程。示例的简单介绍：提供0-9的数字灰度照片进行深度学习训练，数据包括6万张训练图像和1万张测试图像以及对应的标签（即0-9的标签）。图像的像素为28*28,大小为784。

偷吃的耗子
2026-01-27 17:01:23

 1185

 22

#numpy #深度学习 #人工智能