开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

如何从R中的矩阵中提取一系列特定值？

在R中，可以使用索引和逻辑运算符来从矩阵中提取特定值。以下是一些方法：

使用索引：可以使用方括号 [] 来指定要提取的行和列的索引。例如，如果要提取第2行和第3列的值，可以使用以下代码：

matrix[row_index, col_index]

其中，row_index是一个包含要提取的行索引的向量，col_index是一个包含要提取的列索引的向量。如果要提取连续的行或列，可以使用冒号运算符来指定范围。

使用逻辑运算符：可以使用逻辑运算符（如>、<、==等）来创建逻辑向量，然后将其用作索引来提取满足特定条件的值。例如，如果要提取大于5的值，可以使用以下代码：

matrix[matrix > 5]

这将返回一个包含满足条件的值的向量。

使用函数：R中还有一些函数可以用于从矩阵中提取特定值。例如，可以使用which()函数来查找满足特定条件的元素的索引，然后使用这些索引来提取相应的值。例如，如果要提取大于5的值，可以使用以下代码：

matrix[which(matrix > 5)]

以上是从R中的矩阵中提取特定值的一些常用方法。根据具体的需求和情况，选择合适的方法来提取所需的值。

腾讯云相关产品和产品介绍链接地址：

腾讯云云服务器（CVM）：提供灵活可扩展的云服务器实例，适用于各种计算场景。详情请参考：https://cloud.tencent.com/product/cvm
腾讯云云数据库MySQL版：提供高性能、可扩展的MySQL数据库服务，适用于各种应用场景。详情请参考：https://cloud.tencent.com/product/cdb_mysql
腾讯云人工智能平台（AI Lab）：提供丰富的人工智能服务和工具，帮助开发者构建智能化应用。详情请参考：https://cloud.tencent.com/product/ai
腾讯云物联网平台（IoT Hub）：提供全面的物联网解决方案，帮助连接和管理物联网设备。详情请参考：https://cloud.tencent.com/product/iothub
腾讯云移动开发平台（MPS）：提供全面的移动应用开发和运营解决方案，帮助开发者快速构建和管理移动应用。详情请参考：https://cloud.tencent.com/product/mps

相关搜索:提取R中的特定值从R中的矩阵中提取值如何从r中的矩阵中获取特定的列？如何从R中的句子中提取特定的数据值？提取R中具有特定值的特定列从矩阵中检索特定值从R中的矩阵中删除0值从R中的系数矩阵中筛选值从R中的循环填充矩阵中的值从r中的字符串变量中提取特定值从列表中提取一系列值，但不包括R中的几个值从R中的logistf提取ChiSq值如何从R中的特定群体中提取大量样本？如何从r中的ggplot中提取密度值如何从PDL矩阵中提取特定行？如何从r中的输出中提取特定的数据帧？R中的矩阵插值如何从python中的dataframe中搜索并提取特定值？如何将特定数据提取到R中的值如何从R中的包中提取公式或特定函数？

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

day5-向量+数据框

（7）别只复制代码，要理解其中的命令、函数的意思。函数或者命令不会用时，除了百度/谷歌搜索以外，用这个命令查看帮助：?read.table，调出对应的帮助文档，翻到example部分研究一下。

01

【干货】主题模型如何帮助法律部门提取PDF摘要及可视化（附代码）

【导读】本文是Oguejiofor Chibueze于1月25日发布的一篇实用向博文，详细介绍了如何将主题模型应用于法律部门。文章中，作者分析了律师在浏览大量的法律文件的时候可以通过文档摘要进行快速了

07

短语挖掘与流行度、一致性及信息度评估：基于文本挖掘与词频统计|附数据代码

在信息爆炸的时代，文本数据呈现出爆炸式的增长，从新闻报道、社交媒体到学术论文，无处不在的文本信息构成了我们获取知识和理解世界的重要来源。然而，如何从海量的文本数据中提取有价值的信息，尤其是那些能够反映主题、趋势或情感倾向的短语，成为了文本挖掘领域的一个重要挑战（点击文末“阅读原文”获取完整代码数据）。

01

深度学习基础学习 | 为什么要进行特征提取

在计算机中，图片以有序的多维矩阵进行存储，按颜色分为灰度图片用二维数组存储图片的像素值，和彩色图片用三维数组存储图片的三个通道颜色的像素值。

02

RCNN 学习笔记

Author : Ross Girshick Jeff Donahue Trevor Darrell Jitendra Malik

04

fastRcNN算法路面病害检测_R语言经典算法

Fast R-CNN算法是作者Ross Girshick对R-CNN算法的一种改进。R-CNN虽然取得了不错的成绩，但是其缺点也很明显。Fast R-CNN同样使用VGG-16网络结构，与R-CNN相比训练时间快9倍，测试时间快213倍，准确率从62%提升至66%(再Pascal voc数据集上)。Fast R-CNN主要是解决R-CNN存在的问题：

01

R语言实现主成分和因子分析

主成分分析（PCA）是一种数据降维技巧，它能将大量相关变量转化为一组很少的不相关变量，这些无关变量称为主成分。探索性因子分析（EFA）是一系列用来发现一组变量的潜在结构的方法，通过寻找一组更小　的、潜在的或隐藏的结构来解释已观测到的、变量间的关系。 1.R中的主成分和因子分析 R的基础安装包中提供了PCA和EFA的函数，分别为princomp （）和factanal（） psych包中有用的因子分析函数函数描述　principal（）含多种可选的方差放置方法的主成分分析fa（）可用主轴、最小残差、加权最

04

干货：Excel图解卷积神经网络结构

先坦白地说，有一段时间我无法真正理解深度学习。我查看相关研究论文和文章，感觉深度学习异常复杂。我尝试去理解神经网络及其变体，但依然感到困难。

03

ECCV2022 | PCLossNet：不进行匹配的点云重建网络

为了重建一系列数据，通常采用自动编码器之类的网络来尽可能预测类似于原始数据的输出，这种方式通常利用原始数据和网络输出之间的重建误差来训练输出。二维图像或一维信号的重建误差非常容易用元素化均方误差（MSE）直接计算，因为它们的元素（例如像素）以一定的顺序排列。然而，当计算点云的重建误差时，需要匹配算法来同步不同的数据，因为重建网络中输入和输出点集的排列可能不同。

01

干货：Excel图解卷积神经网络结构

先坦白地说，有一段时间我无法真正理解深度学习。我查看相关研究论文和文章，感觉深度学习异常复杂。我尝试去理解神经网络及其变体，但依然感到困难。

02

R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例

本文提供了运行分布滞后非线性模型的示例，同时描述了预测变量和结果之间的非线性和滞后效应，这种相互关系被定义为暴露-滞后-反应关联。

03

Day4：R语言课程（向量和因子取子集）

https://hbctraining.github.io/Intro-to-R/lessons/04_introR-data-wrangling.html

02

静息态下大脑的动态模块化指纹

摘要：人脑是一个动态的模块化网络，可以分解为一系列模块，其活动随时间不断变化。静息状态下，在亚秒级的时间尺度上会出现几个脑网络，即静息态网络(RSNs)，并进行交互通信。本文尝试探究自发脑模块化的快速重塑及其与RSNs的关系。三个独立的健康受试者静息态数据集（N=568），对其使用脑电/脑磁图(EEG/MEG)来探究模块化脑网络的动态活动。本文证实了RSNs的存在，且其中一些网络存在分裂现象，尤其是默认模式网络、视觉、颞区和背侧注意力网络。本文也证明了心理意象中的个体间差异与特定模块的时间特征有关，尤其是视觉网络。综上所述，本文的研究结果表明大规模电生理网络在静息态时具有依赖模块化的动态指纹。

03

综述 | 知识图谱技术综述（上）

知识图谱技术是人工智能技术的重要组成部分，其建立的具有语义处理能力与开放互联能力的知识库，可在智能搜索、智能问答、个性化推荐等智能信息服务中产生应用价值。

02

综述 | 知识图谱技术综述（上）

知识图谱技术是人工智能技术的重要组成部分，其建立的具有语义处理能力与开放互联能力的知识库，可在智能搜索、智能问答、个性化推荐等智能信息服务中产生应用价值。

01

【干货】最全知识图谱综述#1: 概念以及构建技术

【导读】知识图谱技术是人工智能技术的组成部分，其强大的语义处理和互联组织能力，为智能化信息应用提供了基础。我们专知的技术基石之一正是知识图谱-构建AI知识体系-专知主题知识树简介。下面我们特别整理了关于知识图谱的技术全面综述，涵盖基本定义与架构、代表性知识图谱库、构建技术、开源库和典型应用。主要基于的参考文献来自[22]和[40], 本人(Quan)做了部分修整。引言随着互联网的发展，网络数据内容呈现爆炸式增长的态势。由于互联网内容的大规模、异质多元、组织结构松散的特点，给人们有效获取信息和知识提出了

08

【视频】R语言广义加性模型GAMs非线性效应、比较分析草种耐寒性实验数据可视化

广义加法模型（Generalized Additive Models, GAMs）作为一种高度灵活的统计工具，显著扩展了广义线性模型（Generalized Linear Models, GLMs）的框架。GAMs的核心思想在于，将GLM中的一个或多个线性预测变量替换为这些变量的平滑函数，从而允许模型捕捉预测变量与条件响应之间复杂且非线性的关系，而无需事先对这些关系的具体形态做出假设。这一过程通过引入惩罚平滑样条技术实现，该方法在保持模型灵活性的同时，有效防止了过拟合现象。

01

时间序列异常检测 EGADS Surus iForest

时间序列异常检测（原文链接：http://wurui.cc/tech/time-series-anomaly-detection/）本文总结了我在时间序列异常算法方面的一些经验。读者需要对常规机械学习算法有一定的了解。希望本文能帮助有相关需求的工程师快速切入。 EGADS Java Library EGADS (Extendible Generic Anomaly Detection System)（https://github.com/yahoo/egads）是Yahoo一个开源的大规模时间序列异常检

04

窃取模型关键信息！Google | 仅需2000美金，就可攻破 ChatGPT等黑盒大模型

在当今的技术时代，大型语言模型如GPT-4和PaLM-2等已成为人工智能领域的重要成就。这些模型以其强大的语言理解和生成能力，在各种应用中发挥着关键作用。此类模型的内部工作机制却鲜为人知，这种不透明性会引发人们对模型安全性的担忧，特别是模型窃取攻击，「这种攻击可能通过API访问来提取模型的关键信息」。

01

R语言主成分和因子分析

主成分分析（PCA）是一种数据降维技巧，它能将大量相关变量转化为一组很少的不相关变量，这些无关变量称为主成分。探索性因子分析（EFA）是一系列用来发现一组变量的潜在结构的方法，通过寻找一组更小　的、潜在的或隐藏的结构来解释已观测到的、变量间的关系。 1.R中的主成分和因子分析 R的基础安装包中提供了PCA和EFA的函数，分别为princomp （）和factanal（） psych包中有用的因子分析函数函数描述　principal（）含多种可选的方差放置方法的主成分分析fa（）可用主轴、最小残差、加权

04

R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例|附代码数据

最近我们被客户要求撰写关于DLNM的研究报告，包括一些图形和统计输出。本文提供了运行分布滞后非线性模型的示例，同时描述了预测变量和结果之间的非线性和滞后效应，这种相互关系被定义为暴露-滞后-反应关联（点击文末“阅读原文”获取完整代码数据******** ）。

00

R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例|附代码数据

最近我们被客户要求撰写关于分布滞后非线性模型（DLNM）的研究报告，包括一些图形和统计输出。

00

图数据表征学习，绝不止图神经网络一种方法

近年来，图神经网络掀起了将深度学习方法应用于图数据分析的浪潮。不过其作为一门古老的认识世界的方法论，人们对于图数据表征技术的研究从很早以前就开始了。

05

四、探索Xpath：解析Web页面的利器

数据抽取：通过Xpath可以定位和提取网页中的特定元素，例如文章标题、作者信息、评论等。网站爬虫：爬虫可以利用Xpath定位和提取特定数据，进而构建大规模的数据集。自动化测试：Xpath可以帮助测试人员定位和操作Web页面中的元素，检验页面功能和交互是否正常。数据清洗：利用Xpath，我们可以筛选和清洗Web页面中的无效数据，提取出有用的信息。

02

额叶-小脑连接介导认知加工速度

加工速度是理解认知的重要概念。本研究旨在控制任务特异性，以了解认知加工速度背后的神经机制。对40名被试执行两种方式(听觉和视觉)和两种水平的任务规则(相容和不相容)的注意任务。block设计的功能磁共振成像在任务过程中捕捉到了BOLD信号。参考公开的用于处理速度的任务激活图，定义了13个感兴趣区域。认知速度是从任务反应时间得出的，这产生了六组连接性测量。混合效应LASSO回归显示，有六条重要路径提示了小脑-额叶网络预测认知速度。其中，3例为长程(2例额叶-小脑，1例小脑-额叶)，3例短程(额叶-额叶、小脑-小脑和小脑-丘脑)。长距离的连接可能与认知控制有关，而短距离的连接可能与基于规则的刺激-反应过程有关。揭示的神经网络表明，按照任务规则执行操作，自动性与自上而下努力控制注意力相互作用，解释了认知速度。 1 简述本研究旨在通过使用一系列简单的视觉和听觉通道的刺激-反应(S-R)映射任务来解决可能的任务相关偏差。这个多任务设计目的是解决上面提到的特定于形态和功能偏向的。箭头任务最初是一种视觉S-R兼容性任务，为了更好地控制所需的感觉运动处理时间，回答涉及到关于所看到或听到的内容的简单反应，箭头任务后来被改编成视觉和听觉形式(图1)。为了减少任务转换效应和交叉试验的不确定性，我们采用了分组设计，而不是与事件相关的设计。此外，我们的目标是解决以前的研究中的方法论缺陷，这些研究利用皮尔逊的相关性和心理生理学相互作用(PPI)来建立基于连接性的模型来预测加工速度。在这项研究中，我们建立了六个连通性指标，包括四个基于多变量的指数，用于进行模型比较。通过将控制任务的反应时与控制感觉运动成分的实验任务的反应时进行回归，构造了一个认知速度变量。功能关联性模型的建立基于混合效应套索回归。据我们所知，本文在该领域首次采用跨通道多任务设计，并比较了6种方法对区域间交互作用辅助处理速度的建模结果。 2 方法 2.1 被试从当地社区招募了40名年龄在18-28岁的健康年轻人参与研究。他们都有高中或以上学历。最终样本包括35名参与者(21.5±2.1岁，14名女性)，其中5名参与者被排除在分析之外。 2.2 处理速度任务箭头任务被用来测量加工速度。它包括一个双选择S-R映射任务，具有相容(COM)、不相容(INC)和简单RT控制条件(NEU)(图1)。在COM中，参与者在出现向上箭头时按下“向上”按钮，在出现向下箭头时按下“向下”按钮(图1)。在INC中，参与者按下“向上”键表示向下箭头，按“向下”键表示向上箭头。实验涉及参与者在观看一条没有箭头的垂直线时按下任何按钮。因为在这些条件下出现的刺激是视觉图像，所以它们被称为COMVIS、INC-VIS和NEU-VIS。相同条件的听觉版本是COM-AUD、INC-AUD和NEU-AUD，向上箭头、向下箭头和垂直线分别被高音、低音和中音代替。

01

47. 光学计算 - 高效获取光传输矩阵

本文同步发表在我的微信公众号和知乎专栏“计算摄影学”，欢迎扫码关注，转载请注明作者和来源

02

建立数据场的七大技能

摘要：成为数据极客，建立自己的数据场需要哪些技能呢?遇到普通的数据，通过SQL做分析。如果数据量比较大，可以使用Hadoop等大数据框架处理。在深入挖掘上，可用Python或者R语言进行编程。 1 数

07

基因组数据分析步骤-基于R的计算基因组学

本章的目的是为读者提供理解基因组学所需的一些基础知识。需要说明，这绝不是对这一学科的完整概述，而只是一个简单的总结，它将帮助非生物学相关专业的读者理解计算基因组学中反复出现的生物学概念。熟知基因组生物学和全基因组定量分析的读者可以自由跳过这一章或大致浏览一遍。

03

【深度学习】R-CNN 论文解读及个人理解[通俗易懂]

本篇论文的题目是《Rich feature hierarchies for accurate oject detection and semantic segmentation》，翻译过来就是针对高准确度的目标检测与语义分割的多特征层级，通俗地来讲就是一个用来做目标检测和语义分割的神经网络。

01

预测建模、监督机器学习和模式分类概览

模式分类（pattern classification）和机器学习（machine learning）是非常热的话题，几乎在所有的现代应用程序中都得到了应用：例如邮局中的光学字符识别（OCR），电子邮件过滤，超市条形码扫描，等等。在这篇文章中，我会简要描述一个典型的监督学习任务的主要概念，这些概念将作为将来的文章和实现各种学习算法的基础。机器学习和模式分类预测建模是建立一个能够进行预测的模型的通用概念。通常情况下，这样的模型包括一个机器学习算法，以便从训练数据集中学习某些属性做出这些预测。预测建模可

04

Jeff Dean强推：可视化Bert网络，发掘其中的语言、语法树与几何学

本文是论文（Visualizing and Measuring the Geometry of BERT）的系列笔记的第一部分。这篇论文由Andy Coenen、Emily Reif、Ann Yuan、Kim、Adam Pearce、Fernanda Viegas和Martin Wattenberg撰写。

03

2022年最有开创性的10篇AI论文总结

2022年随着聊天GPT和Mid - journey和Dall-E等图像生成器的流行，我们看到了整个人工智能领域的重大进展。在人工智能和计算机科学的时代，这是令人振奋的一年。本文我们总结了在2022年发表的最具开创性的10篇论文，无论如何你都应该看看。

04

2022年最有开创性的10篇AI论文总结

来源：Deephub Imba 本文约4000字，建议阅读10分钟本文我们总结了在2022年发表的最具开创性的10篇论文。 2022年随着聊天GPT和Mid - journey和Dall-E等图像生成器的流行，我们看到了整个人工智能领域的重大进展。在人工智能和计算机科学的时代，这是令人振奋的一年。 1、Alpha Tensor: Discovering faster matrix multiplication algorithms with reinforcement learning Fawzi

01

预测建模、监督机器学习和模式分类概览

模式分类（pattern classification）和机器学习（machine learning）是非常热的话题，几乎在所有的现代应用程序中都得到了应用：例如邮局中的光学字符识别（OCR），电子邮件过滤，超市条形码扫描，等等。在这篇文章中，我会简要描述一个典型的监督学习任务的主要概念，这些概念将作为将来的文章和实现各种学习算法的基础。机器学习和模式分类预测建模是建立一个能够进行预测的模型的通用概念。通常情况下，这样的模型包括一个机器学习算法，以便从训练数据集中学习某些属性做出这些预测。预测建模可

05

R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例|附代码数据

本文提供了运行分布滞后非线性模型的示例，同时描述了预测变量和结果之间的非线性和滞后效应，这种相互关系被定义为暴露-滞后-反应关联。

04

旷视孙剑博士联手西安交大提出LGD，适用于目标检测的知识蒸馏，训练速度提升51%

知识蒸馏（Knowledge distillation, KD）刚开始被用于图像分类任务时就取得了不错的效果，通常流程就是将指导性知识从预训练的模型作为教师teacher转移到较小的学生student模型，从而在性能下降较少的情况下完成模型压缩。

03

分布滞后线性和非线性模型（DLNM）分析空气污染（臭氧）、温度对死亡率时间序列数据的影响|附代码数据

分布滞后非线性模型（DLNM）表示一个建模框架，可以灵活地描述在时间序列数据中显示潜在非线性和滞后影响的关联。该方法论基于交叉基的定义，交叉基是由两组基础函数的组合表示的二维函数空间，它们分别指定了预测变量和滞后变量的关系。本文在R软件实现DLNM，然后帮助解释结果，并着重于图形表示。本文提供指定和解释DLNM的概念和实践步骤，并举例说明了对实际数据的应用

02

分布滞后线性和非线性模型（DLNM）分析空气污染（臭氧）、温度对死亡率时间序列数据的影响

分布滞后非线性模型（DLNM）表示一个建模框架，可以灵活地描述在时间序列数据中显示潜在非线性和滞后影响的关联。该方法论基于交叉基的定义，交叉基是由两组基础函数的组合表示的二维函数空间，它们分别指定了预测变量和滞后变量的关系。本文在R软件实现DLNM，然后帮助解释结果，并着重于图形表示。本文提供指定和解释DLNM的概念和实践步骤，并举例说明了对实际数据的应用。

03

分布滞后线性和非线性模型（DLNM）分析空气污染（臭氧）、温度对死亡率时间序列数据的影响|附代码数据

最近我们被客户要求撰写关于DLNM的研究报告，包括一些图形和统计输出。分布滞后非线性模型（DLNM）表示一个建模框架，可以灵活地描述在时间序列数据中显示潜在非线性和滞后影响的关联。该方法论基于交叉基的定义，交叉基是由两组基础函数的组合表示的二维函数空间，它们分别指定了预测变量和滞后变量的关系。

02

GEO数据库使用教程及在线数据分析工具

NCBI Gene Expression Omnibus（GEO）作为各种高通量实验数据的公共存储库。这些数据包括基于单通道和双通道微阵列的实验，检测mRNA，基因组DNA和蛋白质丰度，以及非阵列技术，如基因表达系列分析（SAGE），质谱蛋白质组学数据和高通量测序数据。

分布滞后线性和非线性模型（DLNM）分析空气污染（臭氧）、温度对死亡率时间序列数据的影响|附代码数据

最近我们被客户要求撰写关于分布滞后线性和非线性模型的研究报告，包括一些图形和统计输出。

00

SCLIP？与CLIP是什么关系？比CLIP高40点，这么离谱吗？

在大规模基础模型的时代，经过大规模预训练后，对各种下游任务进行最小调整已成为迁移学习的新范式。然而，与自然语言处理领域基础模型的巨大成功不同，大多数视觉模型在各种下游任务中的零样本迁移学习能力尚无法达到可比水平。通过引入语言监督并在网络规模的数据集上进行学习，对比语言图像预训练（CLIP）模型能够将视觉表示泛化到开放词汇推理，并展现出惊人的零样本分类结果，然而，在更复杂的任务，如语义分割方面，这种能力仍然非常有限。

01

R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例|附代码数据

本文提供了运行分布滞后非线性模型的示例，同时描述了预测变量和结果之间的非线性和滞后效应，这种相互关系被定义为暴露-滞后-反应关联。最近我们被客户要求撰写关于DLNM的研究报告，包括一些图形和统计输出。

03

【视频】R语言中的分布滞后非线性模型（DLNM）与发病率，死亡率和空气污染示例

本文提供了运行分布滞后非线性模型的示例，同时描述了预测变量和结果之间的非线性和滞后效应，这种相互关系被定义为暴露-滞后-反应关联。

02

R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例|附代码数据

本文提供了运行分布滞后非线性模型的示例，同时描述了预测变量和结果之间的非线性和滞后效应，这种相互关系被定义为暴露-滞后-反应关联

00

卷积核操作、feature map的含义以及数据是如何被输入到神经网络中

下图显示了CNN中最重要的部分，这部分称之为卷积核(kernel)或过滤器(filter)或内核(kernel)。因为TensorFlow官方文档中将这个结构称之为过滤器(filter)，故在本文中将统称这个结构为过滤器。如下图1所示，过滤器可以将当前层网络上的一个子节点矩阵转化为下一层神经网络上的一个单位节点矩阵。单位节点矩阵指的是高和宽都是1，但深度（长）不限的节点矩阵。

03

入门 NLP 前，你必须掌握哪些基础知识？

今年一月开始，我一直在从事一个从非结构化的文本中提取信息的项目。在开始这个项目之前，我对自然语言处理（NLP）领域一无所知。当我刚开始研究这个领域时，我很快就找了一本名为「Python 自然语言处理」的书（图书查阅地址：https://www.nltk.org/book/）。这本书对于我来说过于理论化了，但其中的知识基本是正确的，因此它对我来说仍然是无价的资源。接下来，我发现了 Dipanjan Sarkar 编写的「Python 文本分析」（图书查阅地址：https://www.apress.com/gp/book/9781484243534），并从头到尾通读了此书。这本书真的太棒了，它教会了我入门 NLP 项目所需的所有技术技能。最近，此书的第二版（https://www.apress.com/gp/book/9781484243534）也面世了，对上个版本进行了大量的扩充。

01

入门 NLP 项目前，你必须掌握哪些理论知识？

今年一月开始，我一直在从事一个从非结构化的文本中提取信息的项目。在开始这个项目之前，我对自然语言处理（NLP）领域一无所知。当我刚开始研究这个领域时，我很快就找了一本名为「Python 自然语言处理」的书（图书查阅地址：https://www.nltk.org/book/）。这本书对于我来说过于理论化了，但其中的知识基本是正确的，因此它对我来说仍然是无价的资源。接下来，我发现了 Dipanjan Sarkar 编写的「Python 文本分析」（图书查阅地址：https://www.apress.com/gp/book/9781484243534），并从头到尾通读了此书。这本书真的太棒了，它教会了我入门 NLP 项目所需的所有技术技能。最近，此书的第二版（https://www.apress.com/gp/book/9781484243534）也面世了，对上个版本进行了大量的扩充。

02

Tensors张量操作

将两个或者多个tensor进行拼接（concat），使用 torch.cat对tensor沿着一个特定的维度进行拼接。

01

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭