NUMPY / index · NumPy 与向量化思维
从一个数组意外,找到这一层的规则。
不是从头背一套 API。沿着你眼前的结果、形状或运行方式,找到本次真正需要理解的那一段。
13 个阅读单元涵盖形状、索引、内存、向量化与数值计算。
NumPy 与向量化思维
不是学 API,是把「一个一个处理」的脑子换成「整块一起想」的脑子。
写 for 循环遍历数组,在 NumPy 里几乎总是错的 —— 不只是慢, 更是你还在用错误的方式思考这个问题。 从广播规则到内存 stride,从视图与拷贝到 log 域运算, 最后一章直接接到 PyTorch:张量就是同一套说明书。
🔁 从「为什么写循环是错的」开始 🧱 直接看 stride旧标题中的“错”是提醒,不是普遍规则。小数组、I/O、状态递推或无法表达为数组操作的任务,循环可能更合适;第 01 章保留了具体反例与测量条件。
先看一次共享内存的意外
用四个数核对:改了切片,原数组里的哪一格也变了?
0%
你的进度(在每章末尾点「打卡」,保存在本浏览器里)