5-21日|5-22日

2. 一个矩阵/一个列表

https://www.csdn.net/gather_23/MtjaIg4sNjMwLWJsb2cO0O0O.html，这个讲的还不错。

import numpy as np
a=np.array( [[2, 2, 5, 2], [3, 3, 5, 1], [4, 4, 5, 2]])
print(a)
print(a/np.sum(a,axis=1,keepdims=True))


[[2 2 5 2]
 [3 3 5 1]
 [4 4 5 2]]
[[0.18181818 0.18181818 0.45454545 0.18181818]
 [0.25       0.25       0.41666667 0.08333333]
 [0.26666667 0.26666667 0.33333333 0.13333333]]

 5-22——————————

1.根据pid查看某一进程的运行时间

https://www.cnblogs.com/shuaihe/articles/7218117.html

 

5-24——————————————

1.model.to（device）和model = model.to（device）

这个问题还蛮好的，我以前没有想到过。https://www.soinside.com/question/pRZDBtB9SDEeqmtjmP8dZE

 

 我实验的结果也是这样的：

 

2.numpy Matrix

 https://www.runoob.com/numpy/numpy-matrix.html

它是在numpy.matlib中的对象：

np.matlib.empty((2,2))
np.matlib.zeros((2,2))
np.matlib.ones((2,2))
np.matlib.eye(n =  3, M =  4, k =  0, dtype =  float)#k为对角线索引

矩阵总是二维的，而 ndarray 是一个 n 维数组。 两个对象都是可互换的。

import numpy.matlib 
import numpy as np  
 
i = np.matrix('1,2;3,4')  
j = np.asarray(i) 
k = np.asmatrix (j)  

 

可以通过np中的函数相互转换。//其实这个matrix用的不多，不如ndarray用的多。

3.python的nan，NaN，NAN

https://blog.csdn.net/jacke121/article/details/82968721，原来三者是一样的，

 

判断时需要这样来判断，不能用==

 

 它是float类型的。

4.python中的小数点精度控制

https://www.cnblogs.com/ShaYeBlog/p/7646649.html，这个讲的蛮不错的。

使用round取整，但它不是单纯的四舍五入的策略，而是ROUND_HALF_EVEN。

py中默认提供的浮点精度是小数点后17位，如果多了的话需要使用decimal模块来表示至50位的精度；

math.ceil/floor可以进行向上或者向下取整。