QAQwhq的博客

is与==区别is用来判断两个变量引用对象是否相同；==用来判断两个变量的值是否相同。a is b相当于判断id(a) == id(b)，id()函数是python中用来对某个变量做标识的函数，相当于能得到某个变量的内存地址。对于可变对象，应注意其内存地址是否相同；对于不可变对象，应注意python分配的整形池。下面就可以来些实例，了解一下。可变对象a = []b = []print(a == b) # Trueprint(a is b) # False可见两个列表值相同，但其内

2022.05.14sort()方式1：结构体内重载运算符方式2：cmp参数与优先队列类比Java和python的处理方式Javapythonsort()sort(a.begin(), a.end()); sort(a, a + n); // n为数组长度通常用于数组排序，排序方式为按照元素大小从小到大排序当元素为结构体/pair等类型时，以及需要从大到小排序时，需要自定义。方式1：结构体内重载运算符对于结构体：结构体按照某成员值，从小到大排序：需要在结构体内重载运算符，从小到大重载&lt

需要首先下载所需字体黑体：simhei.ttf宋体：SimSun.ttf# 黑体from matplotlib import pyplot as pltfrom matplotlib.font_manager import FontProperties# 在此设置字体及大小font = FontProperties(fname=r"./simhei.ttf", size=14) plt.figure()plt.xlabel(u'x轴', FontProperties=font)plt

除了用tensorboard，也可如此如此history = model.fit(generate_data(npy_path + '/train'), steps_per_epoch=len(os.listdir(npy_path + '/train')) // 3, epochs=epochs, validation_data=generate_valid_data(npy_pa

推理import osos.environ['CUDA_VISIBLE_DEVICES'] = '0, 1' # 选择GPU设备predict = model.predict(SignalSeq_16[:10])训练os.environ['CUDA_VISIBLE_DEVICES'] = '0'gpus = tf.config.experimental.list_physical_devices(device_type='GPU')for gpu in gpus: tf.config

2022代码测试浅拷贝深拷贝参考python官方文档copy — 浅层 (shallow) 和深层 (deep) 复制操作，收藏一下。浅层与深层复制的区别仅与复合对象（即包含列表或类的实例等其他对象的对象）相关：浅层复制 构造一个新的复合对象，然后（在尽可能的范围内）将原始对象中找到的对象的 引用 插入其中。深层复制 构造一个新的复合对象，然后，递归地将在原始对象里找到的对象的 副本 插入其中。代码测试一些代码测试以列表为例，浅拷贝：b = a[:]或b = copy.copy(a)深拷贝

载入数据input1 = np.load('/root/whq/input/one_hot_1400/xf_p_n.npy')input2 = np.load('/root/whq/input/one_hot_1400/gf_p_n.npy')output_ = np.load('/root/whq/input/one_hot_1400/label_p_n_-1.npy')output_0 = np.load('/root/whq/input/one_hot_1400/label_p_n_0.npy

python Jupyter notebook突然无法使用，后台报错：[NotebookApp] KernelRestarter: restart failed多次重启仍未解决。尝试了：pip3 install --upgrade ipykernel仍然不行，后来索性按照装环境时的Jupyter配置进行安装，Jupyter能够正常使用。安装ipython和jupyter:conda install ipythonconda install jupyter安装kernel：ipyt

TensorFlow的画图功能非常强大，可以在模型设计完后进行检验、总结与展示。tf调用该函数如下所示：tf.keras.utils.plot_model(model, to_file='model.png')除此调用可能会缺少包：ImportError: Failed to import pydot. You must install pydot and graphviz for `pydotprint` to work.在Windows环境下，用conda命令安装即可。conda inst

最近对大量数据做处理时，耗时较大，后来通过改进用了字典，一定程度上提高了效率。字典与列表的不同之处在于，可以通过键而不是位置来访问字典中的项。字典上的get item和set item操作是O（1）。另一个重要的字典操作是contains操作，即检查一个键是否在字典中也是O（1）。下图总结了所有字典操作的效率。该图中提供的效率是针对平均性能的。在一些罕见的情况下，contains、get item和set item操作可能会退化为O（n）性能。字典相关操作的代码：# dictionary 类似Map

# 容器 Listxs = [3, 1, 2]print(xs, xs[2])print(xs[-1])xs[2] = 'foo'print(xs)xs.append('bar')print(xs)x = xs.pop()print(x, xs)# 切片slicingnums = list(range(5)) print(nums) print(nums[2:4])print(nums[2:])print(nums[:2])print(num