【深度学习笔记】(一)Octave

简介: 【深度学习笔记】(一)Octave介绍OctaveOctave是一种面向科学数学运算的原型语言,内置了强大的数学函数及图形展示工具。原型prototyping设计的意思是使用ovtave进行算法设计、实现、验证等过程。

【深度学习笔记】(一)Octave

介绍Octave

Octave是一种面向科学数学运算的原型语言,内置了强大的数学函数及图形展示工具。原型prototyping设计的意思是使用ovtave进行算法设计、实现、验证等过程。 推荐Octave快速实现算法原型


安装Octave

以mac为例:

1、安装Homebrew

/usr/bin/ruby -e “$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)”

2、更新Homebrew

sudo ln -sf /Applications/Utilities/XQuartz.app/ /Applications/Utilities/X11.app
brew update && brew upgrade

3、安装Gcc

brew install gcc

4、安装Octave

brew install octave

5、验证安装成功

jasondeMacBook-Pro:~ jasonhu$ octave

GNU Octave, version 4.2.1
Copyright (C) 2017 John W. Eaton and others.
This is free software; see the source code for copying conditions.
There is ABSOLUTELY NO WARRANTY; not even for MERCHANTABILITY or
FITNESS FOR A PARTICULAR PURPOSE. For details, type ‘warranty’.
Octave was configured for “x86_64-apple-darwin16.7.0”.
Additional information about Octave is available at http://www.octave.org.
Please contribute if you find this software useful.
For more information, visit http://www.octave.org/get-involved.html
Read http://www.octave.org/bugs.html to learn how to submit bug reports.
For information about changes from previous versions, type ‘news’.

octave:1>


使用Octave

1、逻辑运算

octave:1> 1==3
ans = 0
octave:2> 1|0
ans = 1
octave:3> 1|3
ans = 1
octave:4> 4~=5
ans = 1
octave:5> 9>10
ans = 0
octave:6> 2&&0
ans = 0
octave:7>

2、线性代数运算

octave:7> b = [4;9;2]
b =
4
9
2

octave:8> A = [3 4 5;1 3 1;3 5 9]
A =
3 4 5
1 3 1
3 5 9

octave:9> x = A \ b
x =
-1.5000
4.0000
-1.5000

3、sin(x)函数图

octave:4> x = -10:0.1:10;
octave:5> y = sin(x);
octave:6> plot(x,y);title(“Simple 2-D Plot”);xlabel(“x”);ylabel(“sin(x)”);

sin(x)

相关文章
|
4月前
|
机器学习/深度学习 算法 TensorFlow
【Python机器学习】梯度下降法的讲解和求解方程、线性回归实战(Tensorflow、MindSpore平台 附源码)
【Python机器学习】梯度下降法的讲解和求解方程、线性回归实战(Tensorflow、MindSpore平台 附源码)
91 0
|
4月前
|
机器学习/深度学习 算法 关系型数据库
【PyTorch深度强化学习】DDPG算法的讲解及实战(超详细 附源码)
【PyTorch深度强化学习】DDPG算法的讲解及实战(超详细 附源码)
569 1
|
4月前
|
机器学习/深度学习 人工智能 算法
斯坦福大学引入FlashFFTConv来优化机器学习中长序列的FFT卷积
斯坦福大学的FlashFFTConv优化了扩展序列的快速傅里叶变换(FFT)卷积。该方法引入Monarch分解,在FLOP和I/O成本之间取得平衡,提高模型质量和效率。并且优于PyTorch和FlashAttention-v2。它可以处理更长的序列,并在人工智能应用程序中打开新的可能性
41 1
|
6月前
|
机器学习/深度学习
深度学习/花书:第六章(深度前馈网络)
深度学习/花书:第六章(深度前馈网络)
42 0
|
8月前
|
机器学习/深度学习 编解码 PyTorch
|
9月前
|
Python
【数学建模】Python+Gurobi——零基础学优化建模线性规划模型(LP)
【数学建模】Python+Gurobi——零基础学优化建模线性规划模型(LP)
367 0
|
11月前
|
机器学习/深度学习
ML Visuals神经网络画图神器
ML Visuals 现在包含了 100 多个可用的自定义图形,使用者可以在任何论文、博客、PPT 中使用这些资源。
162 0
|
11月前
|
机器学习/深度学习 传感器 人工智能
【Pytorch神经网络基础理论篇】 01 从零开始介绍深度学习算法和代码实现
无人驾驶出现一次的问题会导致严重的后果,因此无人驾驶在错误率上特别重视,我们不会深入讲解这里,因此在无人驾驶中我们会对很多模型做一个预测,然后进行一种投票,再辅助一系列的传感器进行纠正,降低错误率,提高精度。
100 0
|
机器学习/深度学习 算法 数据挖掘
# 【深度学习】:《PyTorch入门到项目实战》第三天:简洁代码实现线性神经网络(附代码)
在上一节我们学习了如何使用pytorch从零实现一个线性回归模型。包括生成数据集,构建损失函数,==<corlor>梯度下降==优化求解参数等。和很多其他机器学习框架一样,pytorch中也包含了许多可以自动实现机器学习的包。本章介绍一些如何使用`nn`简便的实现一个线性回归模型
 # 【深度学习】:《PyTorch入门到项目实战》第三天:简洁代码实现线性神经网络(附代码)
|
机器学习/深度学习
ML Visuals-神经网络画图神器
ML Visuals-神经网络画图神器
325 0
ML Visuals-神经网络画图神器