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。