python基础代码-优快云博客

本文探讨了随机数生成原理，解释了随机种子的作用及如何使用Python和NumPy生成一致的随机数。同时，深入讨论了深度学习中张量的概念、符号计算图模型及其在Theano、TensorFlow等框架中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

随机种子来自系统时钟，确切的说，是来自计算机主板上的定时、计数器在内存中的技术。
随机数是由随机种子根据一定的计算方法计算出来的数值，这样说计算机的随机数是伪随机。

random.seed( 10 )
10 只是一个标志码

import numpy as np

a = np.arange(1, 25, dtype=float)

np.random.seed(2018)
c1 = np.random.choice(a, size=(3, 4))
print(c1)

np.random.seed(2018)
c2 = np.random.choice(a, size=(3, 4))
print(c2)

每次选择的数是一样的。

[[ 7.  3. 10. 22.]
 [21.  7. 24. 12.]
 [16. 12. 23.  7.]]
[[ 7.  3. 10. 22.]
 [21.  7. 24. 12.]
 [16. 12. 23.  7.]]

time.process_time():返回当前进程处理器运行时间（不包括sleep时间）时间单位：ms

深度学习算法都使用向量化的矩阵运算，而不知for循环，时间差会达到400倍、虽然效果一样。

在解决大量数据问题时Theano可以和c实现参不多的性能。

张量是Theano的核心，张量（Tensor）可以是标量（Scalar）、向量（Vector）、矩阵（Matrix）等统称

符号计算图模型

1.定义符号变量
2.编译代码
3.执行代码（代入数据）
所有的符号计算模型都是遵照以上的模型。比如：Theano，Tensorflow，keras等等

矩阵计算的前提是广播，
广播的前提是两个矩阵列数相同。

矩阵是方正的时候用特征值分解矩阵，
矩阵不是方阵的时候用奇异值分解矩阵。

python3 关于print的问题

print("ewwqqwewq%sdsadsadasdsa%s" % (2, 3))

ewwqqwewq2dsadsadasdsa3

转载于:https://www.cnblogs.com/JCcodeblgos/p/10139368.html