Skip to content

🌐 [translation-sync] [numpy] Remove the duplicated {index} directive under Matrix Multiplication #100

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Open
mmcky wants to merge 2 commits into
base: main
Choose a base branch
from
Open

🌐 [translation-sync] [numpy] Remove the duplicated {index} directive under Matrix Multiplication #100

Show file tree
Hide file tree
Changes from all commits
Commits
Show all changes
2 commits
Select commit Hold shift + click to select a range
e97137b
Update translation: lectures/numpy.md
mmcky Nov 2, 2026
adfd97c
Update translation: .translate/state/numpy.md.yml
mmcky Nov 2, 2026
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
10 changes: 5 additions & 5 deletions .translate/state/numpy.md.yml
View file
Open in desktop
Original file line number Diff line number Diff line change
@@ -1,6 +1,6 @@
source-sha: d35eb831da23a763f43d403e96f20d43529cae53
synced-at: "2026-08-19"
model: claude-opus-4-8
mode: NEW
source-sha: ed3025d7f2b3710b4bfd622b9726999bbe5c78df
synced-at: "2026-11-02"
model: claude-sonnet-5
mode: UPDATE
section-count: 8
tool-version: 0.15.0
tool-version: 0.30.0
20 changes: 1 addition & 19 deletions lectures/numpy.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -239,8 +239,6 @@ de copie distincte des données déjà présentes dans un tableau NumPy.

Pour lire les données d'un tableau à partir d'un fichier texte contenant des données numériques, utilisez `np.loadtxt` --- voir [la documentation](https://numpy.org/doc/stable/reference/routines.io.html) pour plus de détails.



### Indexation de tableaux

```{index} single: NumPy; Arrays (Indexing)
Expand Down Expand Up @@ -401,7 +399,6 @@ z
z.searchsorted(2.2)
```


## Opérations arithmétiques

```{index} single: NumPy; Arithmetic Operations
Expand Down Expand Up @@ -450,7 +447,6 @@ A * B
(numpy_matrix_multiplication)=
En particulier, `A * B` n'est *pas* le produit matriciel, c'est un produit élément par élément.


## Multiplication matricielle

```{index} single: NumPy; Matrix Multiplication
Expand All @@ -464,8 +460,7 @@ B = np.ones((2, 2))
A @ B
```

La syntaxe fonctionne avec des tableaux plats --- NumPy devine intelligemment ce que vous
voulez :
La syntaxe fonctionne avec des tableaux unidimensionnels --- NumPy devine intelligemment ce que l'on veut :

```{code-cell} python3
A @ (0, 1)
Expand Down Expand Up @@ -850,8 +845,6 @@ Pour nous aider, nous pouvons utiliser la liste de règles suivante :
- Par l'*Étape 2*, `b` sera étendu en `b -> (2, 2, 2)` ;
- Nous pouvons voir qu'ils ne correspondent pas l'un à l'autre après les deux premières étapes. Ainsi, une `ValueError` sera levée



## Mutabilité et copie de tableaux

Les tableaux NumPy sont des types de données mutables, comme les listes Python.
Expand All @@ -863,7 +856,6 @@ cela peut être source d'erreurs pour les personnes qui découvrent NumPy.

Dans cette section, nous passons en revue quelques points clés.


### Mutabilité

Nous avons déjà vu des exemples de mutabilité ci-dessus.
Expand Down Expand Up @@ -936,14 +928,10 @@ a

Notez que la modification de `b` n'a pas affecté `a`.




## Fonctionnalités supplémentaires

Examinons quelques autres fonctionnalités utiles de NumPy.


### Fonctions universelles

```{index} single: NumPy; Vectorized Functions
Expand Down Expand Up @@ -1011,7 +999,6 @@ Cependant, cette approche n'atteint pas toujours la même vitesse qu'une fonctio

(Plus tard, nous verrons que JAX dispose d'une version puissante de `np.vectorize` qui peut générer, et génère généralement, du code hautement efficace.)


### Comparaisons

```{index} single: NumPy; Comparisons
Expand Down Expand Up @@ -1102,7 +1089,6 @@ Nous couvrirons les versions SciPy plus en détail {doc}`bientôt <scipy>`.

Pour une liste complète de ce qui est disponible dans NumPy, consultez [cette documentation](https://numpy.org/doc/stable/reference/routines.html).


### Multithreading implicite

[Précédemment](need_for_speed), nous avons abordé le concept de parallélisation via le multithreading.
Expand Down Expand Up @@ -1136,10 +1122,6 @@ Nous pouvons voir que 4 des 8 processeurs fonctionnent à pleine vitesse.
Cela est dû au fait que la routine `eigvals` de NumPy divise proprement les tâches et
les distribue à différents threads.





## Exercices


Expand Down
Loading