纯粹的numpy实践与第三方运营商集成。
minp的Python项目详细描述
#明皮
[！[构建状态]（https://travis-ci.org/dmlc/minpy.svg？branch=master）（https://travis ci.org/dmlc/minpy）
[！[PYPI版本]（https://badge.fury.io/py/minpy.svg）（https://badge.fury.io/py/minpy）
[！[文档]（https://readthedocs.org/projects/minpy/badge/？version=latest）（https://minpy.readthedocs.io/en/latest/）
此存储库旨在通过在[mxnet]上（https://github.com/dmlc/mxnet）后端构建纯[numpy]接口，提供高性能和灵活的深度学习平台。一句话，你的numpy代码会自动得到以下结果：
``python
import minpy.numpy as np
````
*GPU支持的运算符将在GPU上运行。
*对于CPU上numpy缺少的操作，可以使用[autograd]自动生成渐变（https:）//github.com/hips/autograd）支持。
*无缝mxnet符号集成。
首先，numpy是python编程语言的一个扩展，它支持大型多维数组、矩阵和一个大型的高级数学函数库来操作这些抽象。如果你刚刚开始学习深度学习，你绝对应该从numpy开始，牢牢地掌握它的概念（例如，见斯坦福大学的[cs231n课程]（http://cs231n.stanford.edu/deculus.html））。对于高级深度学习算法的快速原型设计，您通常也可以开始使用numpy进行编写。
其次，作为python的扩展，您的实现遵循直观的命令式风格。这是*only*样式，没有*要学习的新语法结构。为了体验一下这一点，让我们看看下面的一些示例。
[p1]（https://raw.githubusercontent.com/dmlc/web data/master/minpy/p1.png）
在符号编程中，需要在print语句之前的控件依赖项，否则print运算符将不会出现在关键依赖项路径上，因此不会执行。相比之下，minpy仅仅是numpy，就像python的hello world一样简单。
[p2]（https://raw.githubusercontent.com/dmlc/web data/master/minpy/p2.png）
在符号编程中，每个分支中都需要"lambda"来在运行时惰性地扩展数据流图，这可能会很混乱。同样，minpy是numpy，您可以随意使用if语句。
在minpy中，我们使用numpy语法简化您的编程，同时获得良好的性能。
在minpy中，我们采用[autograd]方法（https://github.com/hips/autograd）计算渐变。由于数据流图是随计算而生成的，因此在梯度计算时支持各种本机控制流。例如：
``python
impimpimpimpminpy
>minpy.core import grad
def foo（x）：
if x>；=0：
returnx
else：
return 2*x
foo grad=grad（foo）
prinfoo grad（foo）
prinfoo grad（foo）
prinfoo grad（foo）
prinfoo grad（3）应该打印1.0
prinprinfoo grad（1）应该打印foo grad（1.foo grad（-1）应该打印2.0
应该打印``
这里，请随意使用本机"if"语句。关于auto-gr的完整教程可以在[此处]找到Adient计算（https://minpy.readthedocs.io/en/latest/tutorial/autograd\u tutorial.html）。
努比是一个很大的图书馆。在minpy中，如果mxnet中还没有实现某些运算符，我们会自动退回到numpy。例如，下面的代码运行顺利，您不必担心将数组从gpu来回复制到cpu；minpy可以透明地处理回退及其副作用。
``python
import minpy.numpy as np
x=np.zeros（（2，3））；使用mxnet gpu实现
y=np.one（（2，3））使用mxnet的gpu实现
z=np.logaddexp（x，y）使用numpy的cpu实现
````
因此，minpy允许您将一个符号"包装"到一个可以与其他命令调用一起调用的函数中。从程序员的角度来看，这些函数与其他numpy调用一样，因此我们始终保持命令式风格：
``python
import mx net a s mx
import minpy.numpy as np
from minpy.core import function
=mx.sym.卷积（net，name='conv，kernel=（3，3，3），num滤波器=32，无偏=true）
conv=函数（net，inpu形状{'x'，（8，3，10，10）}
conv=函数（net，inpu形状{'x'，（8，3，10，10）}
conv=np.one（（32，3，3，3，3，3，））
x=np.0（（8，3，10，10））
w=np.one（（32，3，3，3，3，3，））））
y=np br/>```
敏比跑得快吗？
命令式接口确实带来了许多挑战，特别是它避免了一些仅（当前）体现在符号编程中的深层优化。然而，minpy设法保持性能，特别是在实际计算量很大的情况下。我们的下一个目标是用先进的系统技术恢复性能。
！[基准]（https://raw.githubusercontent.com/dmlc/web data/master/minpy/benchmark.png）
《安装指南》
1）为python安装mxnet；
<2）安装minpy。
有关详细信息，请阅读[安装指南]（https://minpy.readthedocs.io/en/latest/get-started/install.html）。
mxnet版本
xnet和minpy正在经历快速发展。minpy不能保证与所有mxnet版本一起使用。**MXNET所需的最低版本为0.9.2.**为了获得最佳性能，我们建议您从"engine"分支下载MXNET并从源代码构建它。下面的命令将非常有用：
```
git clone--recursive-b引擎https://github.com/dmlc/mxnet.git
```
，然后使用[指令]（http://mxnet.io/get-started/ubuntu-setup.html\install mxnet for python）使用python接口构建mxnet。
minpy原型一个纯numpy接口。要使界面一致，请确保在安装minpy之前numpy版本>；=1.10.0。
mxnet和numpy可能会遇到版本冲突，如果您在其他项目中与它们一起工作。我们的[安装指南]（https://minpy.readthedocs.io/en/latest/get-started/install.html）提供了如何使用[virtualenv]（https://virtualenv.pypa.io/en/stable/）和[virtualenvwrapper]（https://virtualenvwrapper.readthedocs.io/en/latest/）来解决问题。
/>```
pip install minpy
```
你可以看看这个[教程]（https://github.com/dmlc/minpy/blob/master/examples/demo/minpy_tutorial.ipynb）来理解它的概念。文档位于[此处]（https://minpy.readthedocs.io/en/latest/）。
[！[构建状态]（https://travis-ci.org/dmlc/minpy.svg？branch=master）（https://travis ci.org/dmlc/minpy）
[！[PYPI版本]（https://badge.fury.io/py/minpy.svg）（https://badge.fury.io/py/minpy）
[！[文档]（https://readthedocs.org/projects/minpy/badge/？version=latest）（https://minpy.readthedocs.io/en/latest/）
此存储库旨在通过在[mxnet]上（https://github.com/dmlc/mxnet）后端构建纯[numpy]接口，提供高性能和灵活的深度学习平台。一句话，你的numpy代码会自动得到以下结果：
``python
import minpy.numpy as np
````
*GPU支持的运算符将在GPU上运行。
*对于CPU上numpy缺少的操作，可以使用[autograd]自动生成渐变（https:）//github.com/hips/autograd）支持。
*无缝mxnet符号集成。
首先，numpy是python编程语言的一个扩展，它支持大型多维数组、矩阵和一个大型的高级数学函数库来操作这些抽象。如果你刚刚开始学习深度学习，你绝对应该从numpy开始，牢牢地掌握它的概念（例如，见斯坦福大学的[cs231n课程]（http://cs231n.stanford.edu/deculus.html））。对于高级深度学习算法的快速原型设计，您通常也可以开始使用numpy进行编写。
其次，作为python的扩展，您的实现遵循直观的命令式风格。这是*only*样式，没有*要学习的新语法结构。为了体验一下这一点，让我们看看下面的一些示例。
[p1]（https://raw.githubusercontent.com/dmlc/web data/master/minpy/p1.png）
在符号编程中，需要在print语句之前的控件依赖项，否则print运算符将不会出现在关键依赖项路径上，因此不会执行。相比之下，minpy仅仅是numpy，就像python的hello world一样简单。
[p2]（https://raw.githubusercontent.com/dmlc/web data/master/minpy/p2.png）
在符号编程中，每个分支中都需要"lambda"来在运行时惰性地扩展数据流图，这可能会很混乱。同样，minpy是numpy，您可以随意使用if语句。
在minpy中，我们使用numpy语法简化您的编程，同时获得良好的性能。
在minpy中，我们采用[autograd]方法（https://github.com/hips/autograd）计算渐变。由于数据流图是随计算而生成的，因此在梯度计算时支持各种本机控制流。例如：
``python
impimpimpimpminpy
>minpy.core import grad
def foo（x）：
if x>；=0：
returnx
else：
return 2*x
foo grad=grad（foo）
prinfoo grad（foo）
prinfoo grad（foo）
prinfoo grad（foo）
prinfoo grad（3）应该打印1.0
prinprinfoo grad（1）应该打印foo grad（1.foo grad（-1）应该打印2.0
应该打印``
这里，请随意使用本机"if"语句。关于auto-gr的完整教程可以在[此处]找到Adient计算（https://minpy.readthedocs.io/en/latest/tutorial/autograd\u tutorial.html）。
努比是一个很大的图书馆。在minpy中，如果mxnet中还没有实现某些运算符，我们会自动退回到numpy。例如，下面的代码运行顺利，您不必担心将数组从gpu来回复制到cpu；minpy可以透明地处理回退及其副作用。
``python
import minpy.numpy as np
x=np.zeros（（2，3））；使用mxnet gpu实现
y=np.one（（2，3））使用mxnet的gpu实现
z=np.logaddexp（x，y）使用numpy的cpu实现
````
因此，minpy允许您将一个符号"包装"到一个可以与其他命令调用一起调用的函数中。从程序员的角度来看，这些函数与其他numpy调用一样，因此我们始终保持命令式风格：
``python
import mx net a s mx
import minpy.numpy as np
from minpy.core import function
=mx.sym.卷积（net，name='conv，kernel=（3，3，3），num滤波器=32，无偏=true）
conv=函数（net，inpu形状{'x'，（8，3，10，10）}
conv=函数（net，inpu形状{'x'，（8，3，10，10）}
conv=np.one（（32，3，3，3，3，3，））
x=np.0（（8，3，10，10））
w=np.one（（32，3，3，3，3，3，））））
y=np br/>```
敏比跑得快吗？
命令式接口确实带来了许多挑战，特别是它避免了一些仅（当前）体现在符号编程中的深层优化。然而，minpy设法保持性能，特别是在实际计算量很大的情况下。我们的下一个目标是用先进的系统技术恢复性能。
！[基准]（https://raw.githubusercontent.com/dmlc/web data/master/minpy/benchmark.png）
《安装指南》
1）为python安装mxnet；
<2）安装minpy。
有关详细信息，请阅读[安装指南]（https://minpy.readthedocs.io/en/latest/get-started/install.html）。
mxnet版本
xnet和minpy正在经历快速发展。minpy不能保证与所有mxnet版本一起使用。**MXNET所需的最低版本为0.9.2.**为了获得最佳性能，我们建议您从"engine"分支下载MXNET并从源代码构建它。下面的命令将非常有用：
```
git clone--recursive-b引擎https://github.com/dmlc/mxnet.git
```
，然后使用[指令]（http://mxnet.io/get-started/ubuntu-setup.html\install mxnet for python）使用python接口构建mxnet。
minpy原型一个纯numpy接口。要使界面一致，请确保在安装minpy之前numpy版本>；=1.10.0。
mxnet和numpy可能会遇到版本冲突，如果您在其他项目中与它们一起工作。我们的[安装指南]（https://minpy.readthedocs.io/en/latest/get-started/install.html）提供了如何使用[virtualenv]（https://virtualenv.pypa.io/en/stable/）和[virtualenvwrapper]（https://virtualenvwrapper.readthedocs.io/en/latest/）来解决问题。
/>```
pip install minpy
```
你可以看看这个[教程]（https://github.com/dmlc/minpy/blob/master/examples/demo/minpy_tutorial.ipynb）来理解它的概念。文档位于[此处]（https://minpy.readthedocs.io/en/latest/）。
欢迎加入QQ群-->： 979659372
