شما اینجا هستید

پایتون و numpy

پیغام خطا

Deprecated function: The each() function is deprecated. This message will be suppressed on further calls در book_prev() (خط 775 در /home/molavy/public_html/modules/book/book.module).

در تمام کد  مثالهای این کتاب از زبان برنامه نویسی پایتون استفاده شده است. کدهای پایتون کوتاه، موجز و تمیز هستند و پشتیبانی خوبی از ورودی و خروجی ها،سیستم اعداد و محاسبات و رسم نمودار دارد.

این زبان به خاطر ویژگی های خاصی که دارد انتخاب شده است. مانند اینکه برای نمایش بلاک از تورفتگی خط استفاده می کند و اینکه نحو فشرده ای دارد. در کد های مثال در نظر گرفته شده است که شما از پایتون نسخه ۲.۶ به بعد استفاده می کنید و بیشتر افزونه ها تنها برای این نسخه به بعد در دسترس هستند. نسخه ۳.۰ که جدید آمده شامل تغییرات زبانی بسیاری است و با نسخه قبل(X.2) سازگار نیست. همچنین با مجموعه بسته هایی که ما نیاز داریم نیز سازگار نیست(هنوز البته).

آشنایی اولیه با پایتون منابع بیشتری را در اختیار مبتدی ها قرار می دهد، کتاب آموزش پایتون و مستندات اینترنتی در سایت python.org نقاط بسیار خوبی برای شروع است.

وقتی برنامه نویسی بینایی ماشین را انجام می دهیم، ما نیاز به این داریم که بردار ها و ماتریس ها عملیات های بین آنها را خوب بدانیم. این موارد به وسیله افزونه numpy انجام می پذیرد. این افزونه هر دو آرایه ها و بردار ها را به وسیله آرایه ها نشان می دهد. این همان چیزی است که ما برای تصاویر نیز انجام می دهیم. یک مرجع خوب برای numpy کتاب رایگان Guide to NumPy است. مستندات سایت رسمی به آدرس http://numpy.scipy.org نیز اگر تازه با numPy آشنا شده اید یک نقطه شروع خوب است. برای ترسیم نتایج و نمایش بصری آن ما از افزونه Matplotlib استفاده می کنیم و برای ریاضیات پیشرفته تر از SciPy استفاده می کنیم. این ها بسته های اصلی ما هستند که در فصل یک به شرح آنها خواهیم پرداخت.

در کنار این بسته های اصلی، بسته های رایگان بسیار دیگری نیز وجود دارند که برای کارهای خاص مانند خواندن JSON و XML و خواندن و ذخیره داده ها، رسم نمودار، برنامه نویسی گرافیکی، دمو های وبی، طبقه بندی کننده ها، و بسیاری موارد دیگر از آنها استفاده می کنیم. این ها معمولا برای برنامه ها و دمو های خاص نیاز می شوند و شما اگر علاقه ای به هر برنامه نداشتید می توانید آن را نادید بگیرید.

جا دارد که از Ipython یادی شود. یک پوسته پویای پایتون که رفع عیب و آزمایش و تمرین ها را بسیار آسان تر می کند. می توانید از آدرس http://ipython.org مستندات را بخوانید و آن را دریافت کنید.

دیدگاه‌ها

خوشم اومد

دیدگاه جدیدی بگذارید