codelady_g的博客

【代码】决策树绘制代码TreePlotter.py

介绍NumPy有关数组形状的一些操作

numpy官方文档解读，包括什么是numpy，numpy为什么快，ndarray的一些性质，并编写Python简单程序进行说明。

NumPy 快速入门属性解释ndarray.ndim数组的轴数（维数）ndarray.shape

在操作数组时，它们的数据有时会被复制到新数组中，有时则不会。这通常是初学者感到困惑的根源。有三种情况：（1）No Copy at All：没有副本，简单赋值不会复制对象或其数据.a = np.array([1,2,3,4]) b = a a[0]=9999 # 修改a[0] ,观察b是否有变化print(b)print(b is a) # is比较：1.内容相同 2.内存中地址相同print(id(b)) # id() 返回对象的唯一身份标识print

1 . 广播机制Broadcasting rules广播允许通用函数以有意义的方式处理形状不完全相同的输入。 根据某些约束，较小的数组可以在较大的数组上“广播”，以便它们具有匹配和兼容的形状。广播提供了一种矢量化数组操作的方法，以便循环在C而不是Python中发生，从而更加高效。而在某些情况下，广播也会导致内存使用效率低下，从而减慢计算速度。原理介绍numpy操作通常是逐个元素完成的，这需要两个数组具有完全相同的形状。而当数组的形状满足某些条件时，numpy 的广播规则会放宽此约束。例如，在进行数

广义的张量可以是任何维度的，而狭义来说，一维是向量，二维是矩阵，三维及以上是张量。创建张量：a=torch.tensor(1,dtype=torch.float32)tensor–>numpy：b=a.NumPy() b是numpy，但是a还是tensornumpy–>tensor：c=torch.from_NumPy(b) c是tensor因为支持自动梯度功能，PyTorch的变量来自包torch.autograd1.向量操作向量生成a=torch.linspace(1.

TreePlotter.pyimport mathimport operatorimport matplotlib.pyplot as plt import TreePlotterdef createDataset(): dataSet = [ # 17个样本，6个属性 ['青绿', '蜷缩', '浊响', '清晰', '凹陷', '硬滑', '好瓜'], ['乌黑', '蜷缩', '沉闷', '清晰', '凹陷', '硬滑', '好瓜

pytorch的常用代码