杨净 发自 凹非寺 来自 ｜ 量子位
最近，NumPy上线了最新版本——NumPy 1.20。
作为Python的最重要的扩展程序库之一，也是入门机器学习的必备工具，该版本一经发布，就一度登上Hacker News等社区热搜榜单。
这个版本号称是迄今为止规模最大版本，共合并了184人贡献的约684条PR，支持的Python版本是3.7-3.9。
注意哦，并不支持Python 3.6。
此次版本的亮点如下：
-
NumPy函数注释。
-
扩大SIMD使用范围，提高ufuncs的执行速度。
-
文档改进，包括大约185个PR合并
-
对即将到来的Cython 3.0提供初步支持。
-
可为数组提供滑动窗口视图。
三大新功能
此次上线版本主要有三大新功能。
第一个，random.Generator类有一个新的permuted函数。
新函数与shuffle和permutation的不同之处在于，给定轴索引的子数组会被换算。
比如，现在就可以对一个二维数组的行或者列进行换算。
第二个，sliding_window_view，可为NumPy数组提供滑动窗口视图。
这一功能适用于多维度、可以明确指定轴、同一轴使用多次、移动多个元素的视图等用法。
第三个，numpy.broadcast_shapes，一个面向用户的全新功能，从给定的形状元组相互广播中获得形状。
除了新功能之外，还有一系列的改进。
比如，启动多平台SIMD编译器优化。
其中，包括新的构建参数、跨体系结构CPU调度程序、自动生成的新C标头、向numpy umath模块添加新属性，在PytestTester运行期间打印支持的CPU功能。
再比如，弃用np.int这一别名。
原本np.int是int的别名，但常常让新手困扰，而且原本也是出于历史原因而存在。
除了np.int外，还有一个不推荐使用的别名名单。（其中，第三列为备用NumPy名称）
以及，还有mode 和 searchside的inexact match、numpy.dual模块都被弃用。
对于新版本的发布，有不少网友表示很期待里面中的新功能。
比如，类型注释。
类型注释对我来很重要。如果你比较在意SIMD，或许可以考虑Julia。
还有网友pick了“滑动窗口视图”这一新功能。
在分析数据时经常使用滑动窗口，以前可以使用as_strided的方式来实现，但这个方法太麻烦，现在这一新功能显然更简单。
参考链接：
https://NumPy.org/doc/1.20/release/1.20.0-notes.html#deprecations
https://news.ycombinator.com/item?id=25977977
<pre><section style="letter-spacing: 0.544px;white-space: normal;font-family: -apple-system-font, system-ui, "Helvetica Neue", "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;"><section powered-by="xiumi.us"><section style="margin-top: 15px;margin-bottom: 25px;opacity: 0.8;"><section><section style="letter-spacing: 0.544px;"><section powered-by="xiumi.us"><section style="margin-top: 15px;margin-bottom: 25px;opacity: 0.8;"><section><section style="margin-bottom: 15px;padding-right: 0em;padding-left: 0em;color: rgb(127, 127, 127);font-size: 12px;font-family: sans-serif;line-height: 25.5938px;letter-spacing: 3px;text-align: center;"><span style="color: rgb(0, 0, 0);"><strong><span style="font-size: 16px;font-family: 微软雅黑;caret-color: red;">为您推荐</span></strong></span></section><p style="margin: 5px 16px;padding-right: 0em;padding-left: 0em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;">一个算法工程师的日常是怎样的？</p><p style="margin: 5px 16px;padding-right: 0em;padding-left: 0em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;">彻底搞懂机器学习中的正则化<br /></p><section style="margin-top: 5px;margin-bottom: 5px;padding-right: 0em;padding-left: 0em;min-height: 1em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;"><span style="font-size: 14px;">13个算法工程师必须掌握的PyTorch Tricks</span></section><section style="margin-top: 5px;margin-bottom: 5px;padding-right: 0em;padding-left: 0em;min-height: 1em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;"><span style="font-size: 14px;">吴恩达上新：生成对抗网络（GAN）专项课程</span></section><section style="margin-top: 5px;margin-bottom: 5px;padding-right: 0em;padding-left: 0em;min-height: 1em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;">从SGD到NadaMax，十种优化算法原理及实现</section></section></section></section></section></section></section></section></section>
本篇文章来源于: 深度学习这件小事
本文为原创文章，版权归知行编程网所有，欢迎分享本文，转载请保留出处！
内容反馈