您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 单纯形及算法实现资料

  2. 自己做非线性最优化算法程序时找的一些资料。附件包含:增强单纯形法pdf和两个单纯形原理说明分别给出C例子/MATLAB实现例子的html。 可另行参考:c++数值算法(老外的书,有中译本。可惜太大,传不过来,在网上应该可以下到)中的有关说明和c++代码(经典的Melder和Mead法实现) 注:MATLAB实现例子的example.m前面加以下两句话: MP=4;NP=3;ndim=NP; (测试可以运行)
  3. 所属分类:其它

    • 发布日期:2010-12-21
    • 文件大小:379904
    • 提供者:taiyisanxian
  1. G.hn Neighbor Domain(NDIM)

  2. G.hn Neighbor Domain Interference Mitigation
  3. 所属分类:网络设备

    • 发布日期:2013-10-07
    • 文件大小:812032
    • 提供者:u012358075
  1. 将asp木马插入gif中调用工具.exe

  2. asp php 一起使用的SHELL 工具 PHP+ASP <!-- td {font-size:8pt; color: #666666;font-family:Verdana} INPUT {font-size:9pt;BORDER-RIGHT: #cccccc 1px solid; BORDER-TOP: #cccccc 1px solid; BORDER-LEFT: #cccccc 1px solid; COLOR: #666666; BORDER-BOTTOM: #ccc
  3. 所属分类:网管软件

    • 发布日期:2019-09-05
    • 文件大小:15360
    • 提供者:qq_36404817
  1. NumPy Reference.pdf

  2. 文档详细介绍了Python NumPy 数据处理库的功能、函数、以及相关示例,极具参考、学习价值。CONTENTS I Array objec 1.1 The N-dimensional array (ndarray) 2 Scala 1.3 Data type objects(dt ype) 1. 4 Indexing l04 111 1.6 SLandard array subclasses .122 1.7 Masked arrays 1. 8 The Array Interface 43
  3. 所属分类:Python

    • 发布日期:2019-10-08
    • 文件大小:5242880
    • 提供者:guduruyu
  1. numpy-ref.pdf

  2. CONTENTS 1 Arrayobjects 3 1.1 TheN-dimensionalarray(ndarray).................................. 3 1.2 Scalars.................................................. 73 1.3 Datatypeobjects(dtype)........................................110 1.4 Indexing......
  3. 所属分类:Python

    • 发布日期:2019-08-18
    • 文件大小:6291456
    • 提供者:drjiachen
  1. C USER INPUT FOR ADAPTIVE MESH CONSTRAINT

  2. C USER INPUT FOR ADAPTIVE MESH CONSTRAINT C SUBROUTINE UMESHMOTION(UREF,ULOCAL,NODE,NNDOF, $ LNODETYPE,ALOCAL,NDIM,TIME,DTIME,PNEWDT, $ KSTEP,KINC,KMESHSWEEP,JMATYP,JGVBLOCK,LSMOOTH)
  3. 所属分类:制造

    • 发布日期:2020-05-24
    • 文件大小:2048
    • 提供者:nbnb24
  1. Numpy中ndim、shape、dtype、astype的用法详解

  2. 主要介绍了Numpy中ndim、shape、dtype、astype的用法详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
  3. 所属分类:其它

    • 发布日期:2020-09-16
    • 文件大小:125952
    • 提供者:weixin_38571544
  1. 解决keras加入lambda层时shape的问题

  2. 使用keras时,加入keras的lambda层以实现自己定义的操作。但是,发现操作结果的shape信息有问题。 我的后端是theano,使用了sum操作。 比如输入时,shape为(32,28,28),其中32为batch大小。 此时对应的ndim应该等于3。 但是,lambda处理后结果显示_keras_shape为(32,28,28),而ndim却是2。 这导致后边各项操作都会出现问题。 此处sum函数加入参数keepdims=True即可。 此注意keras中的各种层几乎都不用去理会ba
  3. 所属分类:其它

    • 发布日期:2020-12-17
    • 文件大小:40960
    • 提供者:weixin_38549327
  1. pytorch查看通道数 维数 尺寸大小方式

  2. 查看tensor x.shape # 尺寸 x.size() # 形状 x.ndim # 维数 例如 import torch parser = argparse.ArgumentParser(descr iption='PyTorch') parser.add_argument('--img_w', default=144, type=int, metavar='imgw', help='img width') parser.add_argument('--img_h', default
  3. 所属分类:其它

    • 发布日期:2020-12-17
    • 文件大小:57344
    • 提供者:weixin_38603875
  1. python查看矩阵的行列号以及维数方式

  2. print(X.shape):查看矩阵的行列号 print(len(X)):查看矩阵的行数 print(X.ndim):查看矩阵的维数 1 查看矩阵的行列号 2 查看矩阵的行数 3 查看矩阵的维数 补充知识:Python之numpy模块的添加及矩阵乘法的维数问题 在Python中,numpy 模块是需要自己安装的,在安装编程软件时,默认安装了pip,因此我们可以用pip命令来安装 numpy模块。 首先打开电脑的“cmd.exe”,如下图所示: 在这里输入“pip install num
  3. 所属分类:其它

    • 发布日期:2020-12-17
    • 文件大小:48128
    • 提供者:weixin_38570278
  1. python查看矩阵的行列号以及维数方式

  2. print(X.shape):查看矩阵的行列号 print(len(X)):查看矩阵的行数 print(X.ndim):查看矩阵的维数 1 查看矩阵的行列号 2 查看矩阵的行数 3 查看矩阵的维数 补充知识:Python之numpy模块的添加及矩阵乘法的维数问题 在Python中,numpy 模块是需要自己安装的,在安装编程软件时,默认安装了pip,因此我们可以用pip命令来安装 numpy模块。 首先打开电脑的“cmd.exe”,如下图所示: 在这里输入“pip install num
  3. 所属分类:其它

    • 发布日期:2020-12-17
    • 文件大小:48128
    • 提供者:weixin_38678172
  1. Numpy中ndim、shape、dtype、astype的用法详解

  2. 本文介绍numpy数组中这四个方法的区别ndim、shape、dtype、astype。 1.ndim ndim返回的是数组的维度,返回的只有一个数,该数即表示数组的维度。 2.shape shape:表示各位维度大小的元组。返回的是一个元组。 对于一维数组:有疑问的是为什么不是(1,6),因为arr1.ndim维度为1,元组内只返回一个数。 对于二维数组:前面的是行,后面的是列,他的ndim为2,所以返回两个数。 对于三维数组:很难看出,下面打印arr3,看下它是什么结构。 先看最
  3. 所属分类:其它

    • 发布日期:2020-12-17
    • 文件大小:122880
    • 提供者:weixin_38627104
  1. 解决keras使用cov1D函数的输入问题

  2. 解决了以下错误: 1.ValueError: Input 0 is incompatible with layer conv1d_1: expected ndim=3, found ndim=4 2.ValueError: Error when checking target: expected dense_3 to have 3 dimensions, but got array with … 1.ValueError: Input 0 is incompatible with layer c
  3. 所属分类:其它

    • 发布日期:2020-12-17
    • 文件大小:62464
    • 提供者:weixin_38666823
  1. 详解python中Numpy的属性与创建矩阵

  2. ndarray.ndim:维度 ndarray.shape:形状 ndarray.size:元素个数 ndarray.dtype:元素数据类型 ndarray.itemsize:字节大小 创建数组: a = np.array([2,23,4]) # list 1d print(a) # [2 23 4] 指定数据类型: a = np.array([2,23,4],dtype=np.int) print(a.dtype) # int 64 dtype可以指定的类型有int32,float,fl
  3. 所属分类:其它

    • 发布日期:2020-12-25
    • 文件大小:32768
    • 提供者:weixin_38589774
  1. 浅析Python数据处理

  2. Numpy、Pandas是Python数据处理中经常用到的两个框架,都是采用C语言编写,所以运算速度快。Matplotlib是Python的的画图工具,可以把之前处理后的数据通过图像绘制出来。之前只是看过语法,没有系统学习总结过,本博文总结了这三个框架的API。 以下是这三个框架的的简单介绍和区别: Numpy:经常用于数据生成和一些运算 Pandas:基于Numpy构建的,是Numpy的升级版本 Matplotlib:Python中强大的绘图工具 Numpy Numpy快速入门教程
  3. 所属分类:其它

    • 发布日期:2020-12-25
    • 文件大小:65536
    • 提供者:weixin_38571453
  1. 浅谈numpy库的常用基本操作方法

  2. NumPy数组的维数称为秩(rank),一维数组的秩为1,二维数组的秩为2,以此类推。在NumPy中,每一个线性的数组称为是一个轴(axes),秩其实是描述轴的数量。比如说,二维数组相当于是一个一维数组,而这个一维数组中每个元素又是一个一维数组。所以这个一维数组就是NumPy中的轴(axes),而轴的数量——秩,就是数组的维数。 1、创建矩阵 Numpy库中的矩阵模块为ndarray对象,有很多属性:T,data, dtype,flags,flat,imag,real,size, itemsiz
  3. 所属分类:其它

    • 发布日期:2020-12-23
    • 文件大小:79872
    • 提供者:weixin_38650508
  1. Python Numpy 数组的初始化和基本操作

  2. Python 是一种高级的,动态的,多泛型的编程语言。Python代码很多时候看起来就像是伪代码一样,因此你可以使用很少的几行可读性很高的代码来实现一个非常强大的想法。 一.基础: Numpy的主要数据类型是ndarray,即多维数组。它有以下几个属性: ndarray.ndim:数组的维数 ndarray.shape:数组每一维的大小 ndarray.size:数组中全部元素的数量 ndarray.dtype:数组中元素的类型(numpy.int32, numpy.int16, and
  3. 所属分类:其它

    • 发布日期:2020-12-23
    • 文件大小:64512
    • 提供者:weixin_38742520
  1. Numpy——numpy属性

  2. 文章目录1.列表转化为矩阵2.numpy 的几种属性3.创建数组4.指定数据 dtype5.创建特定数据 1.列表转化为矩阵 使用numpy首先要导入模块 import numpy as np #为了方便使用numpy 采用np简写 列表转化为矩阵: array = np.array([[1,2,3],[2,3,4]]) #列表转化为矩阵 array 2.numpy 的几种属性 print('number of dim:',array.ndim) # 维度 # number of di
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:38912
    • 提供者:weixin_38750999
  1. tensorflow2.1的维度变换

  2. 1、Reshape 函数的作用是将tensor变换为参数shape的形式,其中shape为一个列表形式,特殊的一点是列表中可以存在-1 -1代表的含义是不用我们自己指定这一维的大小,函数会自动计算,但列表只能存在一个-1。(如果存在多个-1,就是一个存在多解的方程) a = tf.random.normal([4, 28,28, 3]) a.shape, a.ndim Out[74]: (TensorShape([4, 28, 28, 3]), 4) tf.reshape(a, [4, 784,
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:39936
    • 提供者:weixin_38543460
  1. Python数据分析实战【第三章】1.2- Numpy基础数据结构【python】

  2. 【课程9.2】 Numpy基础数据结构 NumPy数组是一个多维数组对象,称为ndarray。其由两部分组成: ① 实际的数据 ② 描述这些数据的元数据 1.多维数组ndarray import numpy as np ar = np.array([1,2,3,4,5,6,7]) print(ar) # 输出数组,注意数组的格式:中括号,元素之间没有逗号(和列表区分) print(ar.ndim) # 输出数组维度的个数(轴数),或者说“秩”,维度的数量也称rank p
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:141312
    • 提供者:weixin_38629801
« 12 »