Manim

发表于2023-04-06|更新于2023-04-11|CS Tools

|总字数:46|阅读时长:1分钟|浏览量:

Introduction

Manim是数学视频博主3b1b开发并使用的Python图形引擎，用于制作数学科普视频。
manim

Usage

基本框架

python

from manimlib import *
import numpy as np

class SceneName(Scene):
    def construct(self):

相关推荐

Introduction 介绍有关数学学习的问题 🔗Links how to learn math lesson list Branch of mathematics 线性代数数学分析点集拓扑复分析群论和抽象代数伽罗瓦理论微分几何代数拓扑

Abstract algebra

Course About 抽象代数I是用代数方法研究代数结构的第一门课。介绍群论、环论、多项式理论和域论的基础知识。先修课程是数学分析和高等代数。 Links 课程主页课程视频 (Updating…)

Course About 介绍了拓扑空间、连续映射、经典的拓扑不变量以及一些重要的拓扑学定理。 Links 课程主页课程视频第1讲 R上的通常拓扑这节课的开始大致为我们讲述了点集拓扑的背景和点集拓扑学研究的对象，这门课将从$R$上的通常拓扑开始，从具体到抽象一步步地为我们揭开拓扑的本质。拓扑空间是一个集合拓扑空间中开集的集合->{开集} 被称为拓扑点集拓扑学的研究对象是拓扑空间，拓扑，连续映射，同胚映射，拓扑不变量等本节课建立在$R$上的通常拓扑下定义1.1 $ 若x\in R, \varepsilon > 0,则以x为圆心,\varepsilon为半径的开球，记作B(x, \varepsilon),定义为B(x, \varepsilon) = \{ y\in R: |y - x| < \varepsilon \}。 $ 这个定义实际上就是$\varepsilon$-邻域的概念，它定义了一个点的“附近”，在后面我们将学习到，这种附近的定义的延伸就是$R$上的通常拓扑，如果换一种“附近”的定义，就会得到不同...

Links 课程主页课程视频 LEC 1: Introduction, threat models

Hung-yi Lee ML Lecture 3: Image as input

Convolutional Neural Network(CNN) 卷积神经网络被广泛应用于图像识别领域，是一种带约束的神经网络架构，简化了Fully Connected Network的复杂性，并且对图像识别做了很多特化，另外值得一提的是，谷歌的AlphaGO也使用了卷积神经网络用于接收19*19的围棋棋盘输入，可见CNN的使用范围不仅仅是图像识别，具有相似结构的问题都可以使用CNN的模型进行训练。深度学习为何深度学习可以兼有 HW3 CNN

Hung-yi Lee ML Lecture 2: What to do if my network fails to train

Optimization 局部最小值 local minima 鞍点 saddle point 在多维度笛卡尔空间中，你以为的局部最小值很可能是鞍点，因为多出了很多个维度的方向可以走 batch and momentum 分批次训练的速度和优势比较动量法改进梯度下降自动调整学习速率 \sigma与梯度的关系学习速率与时间的关系逐渐下降decay 模拟退火warmup loss函数改变loss函数可以改变地形！(梯度下降中的多变量函数) MSE Cross-entropy等价于极大似然法，运用在向量输出的神经网络中 HW2 Classification

数据加载中