NumPy 中文文档
  • NumPy 中文文档

基础篇

  • 理解 NumPy
  • NumPy 简单入门教程
  • Python Numpy 教程
  • 创建 NumPy 数组的不同方式
  • NumPy 中的矩阵和向量

进阶篇

  • NumPy 数据分析练习
  • NumPy 神经网络
  • 使用 NumPy 进行数组编程
  • NumPy 实现k均值聚类算法
  • NumPy 实现DNC、RNN和LSTM神经网络算法

其他篇

  • OpenCV中的图像的基本操作
  • MinPy：MXNet后端的NumPy接口

深度学习基础教程

  • 前言
  • 线性回归
  • 数字识别
  • 图像分类
  • 词向量
  • 个性化推荐
  • 情感分析
  • 语义角色标注
  • 机器翻译
  • 生成对抗网络

七日入门深度学习

  • Day 1：初识深度学习
  • Day 1：如何快速入门深度学习？
  • Day 2：图像识别基础与实战
  • Day 3：目标检测基础与实践（一）
  • Day 3：目标检测实战-RCNN算法讲解
  • Day 3：目标检测实战-YOLOv3检测物体

参考手册

  • 数组对象
    • 目录
    • N维数组(ndarray)
    • 标量
    • 数据类型对象(dtype)
    • 索引
    • 迭代数组
    • 标准数组子类
    • 掩码数组
    • 数组接口
    • 日期时间和时间增量
  • 常量
    • 常量
  • 通函数(ufunc)
    • 通函数(ufunc)
  • 常用API
    • 目录
    • 创建数组
    • 数组操作
    • 二进制操作
    • 字符串操作
    • C-Types外部函数接口(numpy.ctypeslib)
    • 时间日期相关
    • 数据类型相关
    • 可选的Scipy加速支持(numpy.dual)
    • 具有自动域的数学函数(numpy.emath)
    • 浮点错误处理
    • 离散傅立叶变换(numpy.fft)
    • 财金相关
    • 实用的功能
    • 特殊的NumPy帮助功能
    • 索引相关
    • 输入和输出
    • 线性代数(numpy.linalg)
    • 逻辑函数
    • 操作掩码数组
    • 数学函数
    • 矩阵库(numpy.matlib)
    • 杂项
    • 填充数组
    • 多项式
    • 随机抽样(numpy.random)
    • 集合操作
    • 排序、搜索和计数
    • 统计相关
    • 测试支持(numpy.testing)
    • 窗口函数
  • 打包（numpy.distutils）
    • 打包（numpy.distutils）
  • NumPy Distutils 的用户指南
    • NumPy Distutils 的用户指南
  • NumPy C-API
    • 目录
    • Python类型和C结构
    • 系统配置
    • 数据类型API
    • 数组API
    • 数组迭代API
    • UFunc API
    • 一般的通函数API
    • NumPy核心库
    • 弃用的 C API
  • NumPy 内部
    • 目录
    • NumPy C代码说明
    • 内存校准
  • NumPy 和 SWIG
    • 目录
    • numpy.i：NumPy的SWIG接口文件
    • 测试numpy.i Typemaps

NumPy 用户指南

  • NumPy 介绍
    • NumPy 介绍
  • 快速入门教程
    • 快速入门教程
  • NumPy 基础知识
    • 目录
    • 数据类型
    • 创建数组
    • NumPy与输入输出
    • 索引
    • 广播
    • 字节交换
    • 结构化数组
    • 编写自定义数组容器
    • 子类化ndarray
  • 其他杂项
    • 其他杂项
  • 与 Matlab 比较
    • 与 Matlab 比较
  • 从源代码构建
    • 从源代码构建
  • 使用NumPy的C-API
    • 目录
    • 如何扩展NumPy
    • 使用Python作为胶水
    • 编写自己的ufunc
    • 深入的知识
NumPy 中文文档
  • Docs »
  • 使用NumPy的C-API

使用NumPy的C-API

  • 如何扩展NumPy
    • 编写扩展模块
    • 必需的子程序
    • 定义函数
    • 没有关键字参数的函数
    • 带关键字参数的函数
    • 引用计数
    • 处理数组对象
    • 转换任意序列对象
    • 创建一个全新的ndarray
    • 获取ndarray内存并访问ndarray的元素
    • 示例
  • 使用Python作为胶水
  • 从Python调用其他编译库
  • 手工生成的包装器
  • f2py
    • 创建基本扩展模块的源
    • 创建编译的扩展模块
    • 改善基本界面
    • 在Fortran源中插入指令
    • 过滤示例
    • 从Python调用f2py
    • 自动扩展模块生成
    • 结论
  • 用Cython
    • Cython中的复杂添加
    • Cython中的图像过滤器
    • Cython结论
  • ctypes
    • 拥有一个共享库
    • 加载共享库
    • 转换参数
    • 调用函数
    • 完整的例子
    • ctypes结论
  • 您可能会觉得有用的其他工具
    • SWIG
    • SIP
    • 提升Python
    • PyFort
  • 编写自己的ufunc
  • 创建一个新的ufunc
  • 示例非ufunc扩展名
  • 一个dtype的示例NumPy ufunc
  • 示例具有多个dtypes的NumPy ufunc
  • 示例具有多个参数/返回值的NumPy ufunc
  • 示例带有结构化数组dtype参数的NumPy ufunc
  • 深入的知识
  • 迭代数组中的元素
    • 基本迭代
    • 迭代除一个轴之外的所有轴
    • 迭代多个数组
    • 在多个数组上广播
  • 用户定义的数据类型
    • 添加新数据类型
    • 注册投射功能
    • 注册强制规则
    • 注册ufunc循环
    • 在C中对ndarray进行子类型化
    • 创建子类型
    • ndarray子类型的特定功能
      • __array_finalize__方法
      • __array_priority__属性
      • __array_wrap__方法
Built with MkDocs using a theme provided by Read the Docs.