code_fighter 博客

这个不是报错。是提示cpu的使用性能还可以提升。 解决方法： 忽视警告，并屏蔽警告 开头输入如下： import os os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = ‘2’

def softmax(X): Xexp = X.exp() partition = Xexp.sum(axis=1, keepdims=True) return Xexp / partition # 这里应用了广播机制

def data_iter(batch_size, features, labels): num_examples = len(features) indices = list(range(num_examples)) random.shuffle(indices) # 样本的读取顺序是随机的。 for i in range(0, num_examples, ba...

import pandas as pd import numpy as np dates = pd.date_range('20130101',periods=6) df = pd.DataFrame(np.arange(24).reshape((6,4)),index=dates,columns=['A','B','C','D']) print(df['A'],df.A) # 切片 print...

import numpy as np # copy & deep copy a = np.arange(4) print(a) b = a c = a d = b # 改变a[0] 的值 print('******************') a[0] = 11 print(a) print(b) print(b is a) print('******************') p...

import numpy as np # 分割 A = np.arange(12).reshape((3,4)) print(A) # 纵向分割 print(np.split(A, 2, axis=1)) print('***************************') # 不等分割 print(np.array_split(A, 3, axis=1)) print('********...

import numpy as np # 合并 A = np.array([1,1,1]) B = np.array([2,2,2]) C = np.vstack((A,B)) # 上下合并 print(A.shape) print(C) print(C.shape) print('******************************') # 左右合并 D = np.hstack((A...

import numpy as np A = np.arange(3, 15).reshape((3,4)) print(A) print(A[1,1]) print(A[1][1]) print('*************************') # 打印第一行所有的数 print(A[1,:]) print('*************************') # 打印第1行第1-...

import numpy as np # 定义一个矩阵 A = np.arange(14,2, -1).reshape((3,4)) print(A) # 求矩阵A最小值索引 print(np.argmin(A)) # 求矩阵A最大值索引 print(np.argmax(A)) # 求矩阵平均值 print(np.mean(A)) print(A.mean()) print(np.averag...

import numpy as np # 随机产生2行4列 0-1的数字 a = np.random.randint(0,9, (3,4)) print(a) # data =[[a00, a01],[a10,a11]]， # 所以axis=0时，沿着第0个下标变化的方向进行操作， # 也就是a00->a10, a01->a11， array_sum = np.sum(a, axi...

import numpy as np a = np.array([ [1,1], [0,1] ]) b = np.arange(4).reshape(2,2) print(a) print(b) print('************************') # 对应元素相乘 c = a * b # 矩阵相乘 c_dot = np.dot(a, b) c_dot_2 = a....

import numpy as np a = np.array([10, 20, 30, 40]) b = np.arange(4) c = a - b print(a) print(b) print(c) print('************************') d = b**2 print(b) print(d) print('************************')...

import numpy as np # 定义一个数组，设置浮点型 a = np.array([[2, 3, 4], [3, 4, 5]], dtype=np.float32) print(a) # 输出数组元素类型 print(a.dtype) # 定义一个全零的数组 b = np.zeros((3, 4)) print(b) # 定义一个全为一的数组 c = np...

import numpy as np array = np.array([ [1, 2, 3], [4, 5, 6] ]) print(array) print('number of dim:',array.ndim) print('shape:', array.shape) print('size:', array.size) 结果 [[1 2 3] [4 5 6...

design by litzhen