会员服务
Matplotlib · Python · 计算机图形学 ·
2020 年 2 月 12 日
Visualizing modular forms
翻译：可视化模块模块形式
David Lowry-Duda
David Lowry-Duda
from arxiv, 13 pages, many figures

We describe practical methods to visualize modular forms. We survey several current visualizations. We then introduce an approach that can take advantage of colormaps in python's matplotlib library and describe an implementation.


翻译：我们描述模块格式的可视化实用方法。 我们调查了几个当前的可视化。 然后我们引入了一种方法, 可以利用 Python 的 matplotlib 库中的色谱图, 描述其实施 。
0
下载
关闭预览

相关内容

Matplotlib是Python最著名的数据可视化工具包，有了它，一些统计上常用的图形如折线图、散点图、直方图等都可以用简单的几行Python代码实现。
【NLP模型压缩方法综述】《A Survey of Methods for Model Compression in NLP》by Madison May
【NLP模型压缩方法综述】《A Survey of Methods for Model Compression in NLP》by Madison May
专知会员服务
42+阅读 · 2020年4月22日
【经典书】Effective Python: 编写高质量 Python 代码的 59 个有效方法,610页pdf
【经典书】Effective Python: 编写高质量 Python 代码的 59 个有效方法,610页pdf
专知会员服务
143+阅读 · 2020年3月20日
【深度学习表格检测、信息提取和结构化】《Table Detection, Information Extraction and Structuring using Deep Learning》by Vihar Kurama
专知会员服务
37+阅读 · 2020年1月23日
【CVPR 2019 | tutorial】OpenCV 4.x和更多用于CV研发的新工具：OpenCV 4.x and more new tools for CV R&D
【CVPR 2019 | tutorial】OpenCV 4.x和更多用于CV研发的新工具：OpenCV 4.x and more new tools for CV R&D
专知会员服务
11+阅读 · 2019年11月28日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
生成式对抗网络GAN异常检测
生成式对抗网络GAN异常检测
专知会员服务
116+阅读 · 2019年10月13日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
【推荐】(TensorFlow)SSD实时手部检测与追踪（附代码）
【推荐】(TensorFlow)SSD实时手部检测与追踪（附代码）
机器学习研究会
11+阅读 · 2017年12月5日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
gan生成图像at 1024² 的 代码 论文
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【论文】图上的表示学习综述
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
Simple and effective localized attribute representations for zero-shot learning
Simple and effective localized attribute representations for zero-shot learning
Arxiv
5+阅读 · 2020年6月10日
A Survey on Edge Computing Systems and Tools
Arxiv
35+阅读 · 2019年11月7日
Accelerated Methods for Deep Reinforcement Learning
Accelerated Methods for Deep Reinforcement Learning
Arxiv
6+阅读 · 2019年1月10日
GAN Dissection: Visualizing and Understanding Generative Adversarial Networks
GAN Dissection: Visualizing and Understanding Generative Adversarial Networks
Arxiv
11+阅读 · 2018年12月8日
Learning to Update for Object Tracking
Arxiv
8+阅读 · 2018年6月19日
Graph Convolutional Neural Networks for Web-Scale Recommender Systems
Arxiv
14+阅读 · 2018年6月6日
Learning Tree-based Deep Model for Recommender Systems
Arxiv
8+阅读 · 2018年5月21日
How convolutional neural network see the world - A survey of convolutional neural network visualization methods
Arxiv
11+阅读 · 2018年4月30日
Investigations on Knowledge Base Embedding for Relation Prediction and Extraction
Arxiv
8+阅读 · 2018年2月6日
One-shot and few-shot learning of word embeddings
Arxiv
5+阅读 · 2017年10月27日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
Matplotlib
Python
计算机图形学
相关VIP内容
【NLP模型压缩方法综述】《A Survey of Methods for Model Compression in NLP》by Madison May
【NLP模型压缩方法综述】《A Survey of Methods for Model Compression in NLP》by Madison May
专知会员服务
42+阅读 · 2020年4月22日
【经典书】Effective Python: 编写高质量 Python 代码的 59 个有效方法,610页pdf
【经典书】Effective Python: 编写高质量 Python 代码的 59 个有效方法,610页pdf
专知会员服务
143+阅读 · 2020年3月20日
【深度学习表格检测、信息提取和结构化】《Table Detection, Information Extraction and Structuring using Deep Learning》by Vihar Kurama
专知会员服务
37+阅读 · 2020年1月23日
【CVPR 2019 | tutorial】OpenCV 4.x和更多用于CV研发的新工具：OpenCV 4.x and more new tools for CV R&D
【CVPR 2019 | tutorial】OpenCV 4.x和更多用于CV研发的新工具：OpenCV 4.x and more new tools for CV R&D
专知会员服务
11+阅读 · 2019年11月28日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
56+阅读 · 2019年10月17日
生成式对抗网络GAN异常检测
生成式对抗网络GAN异常检测
专知会员服务
116+阅读 · 2019年10月13日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
热门VIP内容
相关资讯
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
【推荐】(TensorFlow)SSD实时手部检测与追踪（附代码）
【推荐】(TensorFlow)SSD实时手部检测与追踪（附代码）
机器学习研究会
11+阅读 · 2017年12月5日
【论文】变分推断（Variational inference)的总结
【论文】变分推断（Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】YOLO实时目标检测(6fps)
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
gan生成图像at 1024² 的 代码 论文
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【论文】图上的表示学习综述
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
相关论文
Simple and effective localized attribute representations for zero-shot learning
Simple and effective localized attribute representations for zero-shot learning
Arxiv
5+阅读 · 2020年6月10日
A Survey on Edge Computing Systems and Tools
Arxiv
35+阅读 · 2019年11月7日
Accelerated Methods for Deep Reinforcement Learning
Accelerated Methods for Deep Reinforcement Learning
Arxiv
6+阅读 · 2019年1月10日
GAN Dissection: Visualizing and Understanding Generative Adversarial Networks
GAN Dissection: Visualizing and Understanding Generative Adversarial Networks
Arxiv
11+阅读 · 2018年12月8日
Learning to Update for Object Tracking
Arxiv
8+阅读 · 2018年6月19日
Graph Convolutional Neural Networks for Web-Scale Recommender Systems
Arxiv
14+阅读 · 2018年6月6日
Learning Tree-based Deep Model for Recommender Systems
Arxiv
8+阅读 · 2018年5月21日
How convolutional neural network see the world - A survey of convolutional neural network visualization methods
Arxiv
11+阅读 · 2018年4月30日
Investigations on Knowledge Base Embedding for Relation Prediction and Extraction
Arxiv
8+阅读 · 2018年2月6日
One-shot and few-shot learning of word embeddings
Arxiv
5+阅读 · 2017年10月27日
Top
微信扫码咨询专知VIP会员
Top