نوشتن یک ماژول به زبان سی و سی++برای پایتون
It is quite easy to add new built-in modules to Python, if you know how to program in C. Such extension modules can do two things that can’t be done directly in Python: they can implement new built-in object types, and they can call C library functions and system calls.
https://docs.python.org/3/extending/extending.html
It is quite easy to add new built-in modules to Python, if you know how to program in C. Such extension modules can do two things that can’t be done directly in Python: they can implement new built-in object types, and they can call C library functions and system calls.
https://docs.python.org/3/extending/extending.html
#آموزش
مفهوم rank در لیست یا آرایه های numpy در پایتون.
در کتابخانه numpy ترجیح میدیم از آرایه با رنک 1 استفاده نکنیم.
علت در کلاس بحث خواهد شد...
مفهوم rank در لیست یا آرایه های numpy در پایتون.
در کتابخانه numpy ترجیح میدیم از آرایه با رنک 1 استفاده نکنیم.
علت در کلاس بحث خواهد شد...
Python_Labs🐍
#آموزش چرا باید در نامپای از آرایه های رنک 1 استفاده نکنیم... #python #numpy #andrew_ng
دوستان، چون دیروز استثنائا زودتر تعطیل شد، این ویدیو را حتما خودتان ببینید.
سلام
برای جلسه ی پنجم نوت بوک نداشتیم. کدهایی که سر کلاس در نوت بوک زده شد خدمتتان ارسال میگردد.
همچنین اسلاید مربوط به مبحث دیکشنری ارسال شد.
برای جلسه ی پنجم نوت بوک نداشتیم. کدهایی که سر کلاس در نوت بوک زده شد خدمتتان ارسال میگردد.
همچنین اسلاید مربوط به مبحث دیکشنری ارسال شد.
سلام
جلسه #پنجم کلاس به مبحث دیکشنری و آرایه های نامپای و مبحث broadcasting اختصاص یافت.
متاسفانه ویدیو ضبط شده اشتباها پاک شد.
برای مرور مباحثی که پیرامون numpy و broadcasting و vectorization خواندیم پیشنهاد میکنم ویدیوهای پایین که از هفته دوم کورس کورسرای شبکههای عصبی و یادگیری عمیق دکتر Andrew Ng برداشته شده است استفاده کنید.
Vectorization (⏱8min)
https://bit.ly/2qo1t6D
More Vectorization Examples(⏱6min)
https://bit.ly/2qnYw63
Broadcasting in Python(⏱11min)
https://bit.ly/2HqlFwx
A note on python/numpy vectors(⏱7min)
https://bit.ly/2EESiUa
جلسه #پنجم کلاس به مبحث دیکشنری و آرایه های نامپای و مبحث broadcasting اختصاص یافت.
متاسفانه ویدیو ضبط شده اشتباها پاک شد.
برای مرور مباحثی که پیرامون numpy و broadcasting و vectorization خواندیم پیشنهاد میکنم ویدیوهای پایین که از هفته دوم کورس کورسرای شبکههای عصبی و یادگیری عمیق دکتر Andrew Ng برداشته شده است استفاده کنید.
Vectorization (⏱8min)
https://bit.ly/2qo1t6D
More Vectorization Examples(⏱6min)
https://bit.ly/2qnYw63
Broadcasting in Python(⏱11min)
https://bit.ly/2HqlFwx
A note on python/numpy vectors(⏱7min)
https://bit.ly/2EESiUa
Why is #vectorization, faster in general, than loops?
https://stackoverflow.com/questions/35091979/why-is-vectorization-faster-in-general-than-loops
https://stackoverflow.com/questions/35091979/why-is-vectorization-faster-in-general-than-loops
سلام.
سایت برای تمارین سری 1 مجددا تا ساعت 24 امشب باز شد.
لطفا به هر دلیلی در سایت آپلود نکرده اید اقدام فرمایید
سایت برای تمارین سری 1 مجددا تا ساعت 24 امشب باز شد.
لطفا به هر دلیلی در سایت آپلود نکرده اید اقدام فرمایید
#deep_learning منابع
سینتکس پایتون شامل توابع و متدهای مختلف را از لینک:
https://docs.python.org/3/tutorial/index.html
و توضیح کتابخانه ی numpy را از
https://cs231n.github.io/python-numpy-tutorial/
میتوانید بخوانید.
سینتکس پایتون شامل توابع و متدهای مختلف را از لینک:
https://docs.python.org/3/tutorial/index.html
و توضیح کتابخانه ی numpy را از
https://cs231n.github.io/python-numpy-tutorial/
میتوانید بخوانید.
cs231n.github.io
Python Numpy Tutorial (with Jupyter and Colab)
Course materials and notes for Stanford class CS231n: Deep Learning for Computer Vision.
Python_Labs🐍
tamrin2-dictionary.pdf
تمرین سری 2 برای آشنایی با دیکشنری ها است.
برای آشنایی عملی بیشتر با دیکشنری ها نوتبوک مربوط به آن در github قرار داده شد:
5-1_Dictionaries_v5.ipynb
برای آشنایی عملی بیشتر با دیکشنری ها نوتبوک مربوط به آن در github قرار داده شد:
5-1_Dictionaries_v5.ipynb
Python_Labs🐍
تمرین سری 2 برای آشنایی با دیکشنری ها است. برای آشنایی عملی بیشتر با دیکشنری ها نوتبوک مربوط به آن در github قرار داده شد: 5-1_Dictionaries_v5.ipynb
تمرین این سری ساده است، و وقت زیادی از شما نخواهد گرفت.
اما بنا به درخواست شما، مهلت تحویل 7 اردیبهشت خواهد بود.
اما بنا به درخواست شما، مهلت تحویل 7 اردیبهشت خواهد بود.
This media is not supported in your browser
VIEW IN TELEGRAM
More Vectorization Examples
This media is not supported in your browser
VIEW IN TELEGRAM
Broadcasting in Python