最新 最热

PyTorch 1.0 中文官方教程:用例子学习 PyTorch

我们将使用全连接的ReLU网络作为运行示例。该网络将有一个单一的隐藏层,并将使用梯度下降训练,通过最小化网络输出和真正结果的欧几里得距离,来拟合随机生成的数据。...

2022-05-07
0

PyTorch 1.0 中文官方教程:什么是 PyTorch

Tensor(张量)类似于NumPy的ndarray,但还可以在GPU上使用来加速计算。

2022-05-07
0

数据科学 IPython 笔记本 8.17 使用 Seaborn 的可视化

Matplotlib 据证明是一种非常有用和流行的可视化工具,但即使狂热的用户也会承认它经常会有很多不足之处。有几个对 Matplotlib 的有效的抱怨常常出现:

2022-05-07
0

数据科学 IPython 笔记本 8.16 地理数据和 Basemap

数据科学中一种常见的可视化类型是地理数据。Matplotlib 用于此类可视化的主要工具是 Basemap 工具包,它是位于mpl_toolkits命名空间下的几个 Matplotlib 工具包之一。不可否认,Basemap 使用时有点笨拙,甚至简单的可视化...

2022-05-07
0

数据科学 IPython 笔记本 8.15 Matplotlib 中的三维绘图

Matplotlib 最初设计时只考虑了二维绘图。在 1.0 版本发布时,一些三维绘图工具构建在 Matplotlib 的二维显示之上,结果是一组方便(但是有限)的三维数据可视化工具。通过导入mplot3d工具包来启用三维绘图,它包含在主要的 Ma...

2022-05-07
0

数据科学 IPython 笔记本 8.14 自定义 Matplotlib:配置和样式表

Matplotlib 的默认绘图设置通常是其用户所抱怨的主题。虽然在 2016 年末的 Matplotlib 2.0 版本中有很多改进的内容,但自定义默认设置的能力,有助于使软件包符合你自己的审美偏好。...

2022-05-07
0

数据科学 IPython 笔记本 8.13 自定义刻度

Matplotlib 的默认刻度定位器和格式化程序,在许多常见情况下通常都足够了,但对于每个绘图都不是最佳选择。本节将提供几个刻度位置和格式的示例,它们调整你感兴趣的特定绘图类型。...

2022-05-07
0

数据科学 IPython 笔记本 8.12 文本和注解

创建良好的可视化涉及引导读者并使图形讲述故事。在某些情况下,可以以完全可视的方式讲述这个故事,而不需要添加文本,但在其他情况下,需要小的文本提示和标签。也许你将使用的最基本的注释类型是轴标签和标题,但选项超出了...

2022-05-07
0

数据科学 IPython 笔记本 8.10 自定义颜色条

绘图图例标识离散点的离散标签。对于基于点,线条或区域颜色的连续标签,带标签的颜色条可能是一个很好的工具。在 Matplotlib 中,颜色条是一个单独的轴域,可以为绘图中的颜色含义提供见解。原书是黑白打印的,但是在线版本是...

2022-05-07
0

数据科学 IPython 笔记本 8.9 自定义图例

绘图的图例将意义赋予可视化,为各种绘图元素标识意义。我们以前看过如何创建简单的图例;在这里,我们将介绍如何在 Matplotlib 中自定义图例的位置和样式。...

2022-05-07
0