Wu的博客

package_0├── module_0.py├── module_1.py├── package_1│ ├── __init__.py│ ├── module_2.py│ ├── module_3.py│ └── package_2│ ├── __init__.py│ ├── module_21.py│ └── module_22.py└── package_3 ├── __init__.py └── module

在 python3 中为super()._init_()在 python2 中 为super(classname, self)._init_()先定义一个父类 A,里面的 init 构造函数class A: def __init__ (self, w): self.w = w def aa(self, a): a = self.w print(a)class B(A): def __init__ (self, w):

使用 torch.nonzero()，返回非零值的索引 (index)其中 True 算作非零数，False 算作零，所以可以巧用判断式来找到 Tensor 特定值的索引import torcha = torch.arange(3*5).reshape(3,5).view(-1)b = torch.nonzero(a==10).squeeze()print(b) # tensor(10)...

原因是在定义函数时，使用了与全局变量同名的局部变量a = 10b = 10def func(): if b == 5: a = 5 print(a)funk = func()这时会报错 ‘UnboundLocalError: local variable ‘a’ referenced before assignment’因为函数内部定义了一个与外部变量同名的变量，此时函数会把这个变量定义为局部变量，如果没有赋值则不能调用它。...

报错信息：VisibleDeprecationWarning: Creating an ndarray from ragged nested sequences (which is a list-or-tuple of lists-or-tuples-or ndarrays with different lengths or shapes) is deprecated. If you meant to do this, you must specify ‘dtype=object’ when creati

由于TensorFlow 1.x 由静态图构成，所以不能直接查看tensor的数值，而使用动态图的TensorFlow 2.x则可以直接查看TensorFlow 1有两中查看方式:第一种方法：import tensorflow.compat.v1 as tftf.disable_v2_behavior()sess = tf.Session()sess.run(tf.global_variables_initializer())tensor = tf.Variable([[1,2]])ses

在处理 mnist 数据库，把数据库的数组加一发现，数组范围还是 [0, 255]；发现把256的数切片加一等于零？原来是 mnist 数据库数组的数据类型是 “uint8”，最多256个数，把数据类型改成 “int” 成功使数组加一mnist = tf.keras.datasets.mnist(x_train, y_train), (x_test, y_test) = mnist.load...

官方文档For each dimension D of input, paddings[D, 0] indicates how many values to add before the contents of tensor in that dimension, and paddings[D, 1] indicates how many values to add after the cont...

可能是用了较高版本的python导致不兼容引起的笔者用python3.8安装Tensorflow出现这个报错将python降级后解决conda install python=3.7

cv2.resizeWindow(name, width, height) 后面两个长度参数只支持整数，若输入为浮点数则会出现上述错误。

a=[[1,'a'],[2,'b'],[3,'c']]for i,x in a: print(i,x)assert1 a2 b3 cl=[x for i,x in a if i<3]print(l)assert[‘a’, ‘b’]

keras 中有两个基本的概念：Layer 和 TensorLayer ：是模型的组成单位，用于构建神经网络框架 在 keras 中用 大写的 module 表示，用于搭建纯模型框架，涉及到计算时使用属性 input 或 output 调出其 Tensor 如以下代码，多用于简单的 Sequential 结构（导入模块部分省略，python=3.7, keras=2.6）n_in = 5...

类方法是对类中定义的函数的称呼，有别于一般函数的是，它的第一个参数是固定的，表示类实例化后实例本身。为什么类方法的第一个参数必须为指代实例本身的参数？

random.seed()设定完后所有的random.random()全部确定，直到重新设置random.seed()；由random.seed()设定的随机数排列顺序不以时间，设备改变；没有设定random.seed()，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同。seed必须为正整数。from numpy import *num=0random.seed(5)...

先看例子：def get_early_stopping(monitor=5, patience=6): return get_model_path(a=monitor, b=patience)def get_model_checkpoint(model_path = 'Python'): return print('Why ' + model_path + ' is so d...

来看例子：class A: def apam(self, c='1'): print('A.spam'+c)class B(A): def spam(self,c='2'): print('B.spam') super(B, self).apam(c='3') # is the same as 'super().apam(c='...