👨‍💻 Арифметические операции.

• На базовом уровне компьютеры оперируют только числами. Даже в прикладных программах на высокоуровневых языках внутри много чисел и операций над ними. Но для старта достаточно знать обычную арифметику — с нее и начнем.

• Например, для сложения двух чисел в математике мы пишем: 3 + 4
В программировании — то же самое. Арифметика в программировании практически не отличается от школьной арифметики.

• Строчка кода 3 + 4 заставит интерпретатор сложить числа и узнать результат. Эта программа будет работать, но в ней нет смысла. По сути, мы не даем команду интерпретатору, мы просто говорим ему: «смотри, сумма трех и четырех». В реальной работе недостаточно сообщать интерпретатору о математическом выражении.

• Например, если создавать интернет-магазин, недостаточно просить интерпретатор посчитать стоимость товаров в корзине. Нужно просить посчитать стоимость и показать цену покупателю.

• Нам нужно попросить интерпретатор сложить 3 + 4 и дать команду сделать что-то с результатом. Например, вывести его на экран:

# Сначала вычисляется сумма,
# затем она передается в функцию печати
print(3 + 4)

• После запуска на экране появится результат: 7

• Кроме сложения доступны следующие операции:

- — вычитание
* — умножение
** — возведение в степень
/ — деление
// — целочисленное деление
% — остаток от деления

• Теперь выведем на экран результат деления, а потом результат возведения в степень:

print(8 / 2)   # => 4.0 (При делении двух чисел получается тип данных float)
print(3 ** 2)  # => 9

• Первая инструкция выведет на экран 4 (потому что 8 / 2 равно 4), а вторая инструкция выведет на экран 9 (потому что 3 во второй степени равно 9).

#урок

🔥 PyTorch.

• github.com/pytorch/pytorch — тензоры и динамические нейронные сети в Python с сильным ускорением графического процессора.

➖➖➖➖➖➖➖➖

• PyTorch is a Python package that provides two high-level features:

• Tensor computation (like NumPy) with strong GPU acceleration;
• Deep neural networks built on a tape-based autograd system;

• You can reuse your favorite Python packages such as NumPy, SciPy, and Cython to extend PyTorch when needed.

#GitHub