在数组计算后预测numpy数组数据类型
，可以通过numpy的dtype属性来获取预测的数据类型。
numpy是一个开源的Python科学计算库，提供了高效的多维数组对象和各种用于数组操作的函数。在进行数组计算时，numpy会根据输入数组的数据类型进行推断，并返回一个预测的数据类型。
numpy的数据类型包括整数类型、浮点数类型、复数类型、布尔类型等。每种数据类型都有不同的位数和取值范围，可以根据具体的需求选择合适的数据类型。
在进行数组计算时，numpy会根据输入数组的数据类型进行推断，并返回一个预测的数据类型。例如，如果输入的数组包含整数和浮点数，numpy会将整数转换为浮点数，并返回浮点数类型的数组。
以下是一些常见的numpy数据类型：
- int8、int16、int32、int64：有符号整数类型，分别占用1、2、4、8字节。
- uint8、uint16、uint32、uint64：无符号整数类型，分别占用1、2、4、8字节。
- float16、float32、float64：浮点数类型，分别占用2、4、8字节。
- complex64、complex128：复数类型，分别占用8、16字节。
- bool：布尔类型，占用1字节。
根据具体的应用场景和需求，可以选择合适的数据类型来提高计算效率和节省内存空间。
腾讯云提供了云计算相关的产品，如云服务器、云数据库、云存储等，可以满足各种云计算需求。具体的产品介绍和相关链接可以参考腾讯云官方网站：https://cloud.tencent.com/
相关·内容
我有一个python脚本，我几乎完全用NumPy编写了一个用于数值模拟的脚本，并且在运行我的脚本之前，我没有为任何变量指定数据类型。我试图找出一种方法来加速我的代码，最终偶然发现了Numba，在那里数据类型的重要性变得更加透明。作为编程和科学计算的新手，在计算之前指定数据类型的想法并不是我真正考虑过的事情，因为即使我没有指定类型，NumPy也能够很好地执行。 所以我想知道的是，在我的NumPy数组的初始构造中显式指定数据类型是否确实更有效，如果是这样，为什么会这样呢？若否，原因为何？如果可能，在NumPy的特定情况之外进行泛化的答案将是很好的。
浏览 15提问于2020-06-26得票数 0
我是初学者在Python.Trying动手学习numpy。
import numpy as np
x = np.arange(0.5, 10.4, 0.8, int)
它输出：
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 ]
我希望它会返回(因为最后一项是10.4)：
[ 0 1 2 3 4 5 6 7 8 9 10 ]
除此之外，如果我执行这个(理解这个例子)：
x = np.arange(0.5, 10.4, 0.8)
print(x)
它打印：
[ 0.5 1.3 2.1 2.9 3.7 4.5 5.3 6.1 6.
浏览 16提问于2017-07-04得票数 3
回答已采纳
在python numexpr中，将值赋给正在操作的同一数组以避免创建临时数组是否安全？
从上对内存使用的描述来看，它看起来还不错，但如果不深入研究源代码，这几乎不是一个可靠的答案。
我尝试了以下方法，它们工作得很好，但我希望得到更熟悉这个包的人的确认：
import numpy as np
import numexpr as ne
a = np.ones(5)
b = a.copy()
ne.evaluate("a+b",out=a)
array([ 2., 2., 2., 2., 2.])
浏览 4提问于2013-03-15得票数 20
回答已采纳
下面的numpy行为是故意的，还是一个bug？
from numpy import *
a = arange(5)
a = a+2.3
print 'a = ', a
# Output: a = 2.3, 3.3, 4.3, 5.3, 6.3
a = arange(5)
a += 2.3
print 'a = ', a
# Output: a = 2, 3, 4, 5, 6
Python版本: 2.7.2，Numpy版本: 1.6.1
浏览 2提问于2012-05-24得票数 24
回答已采纳
5回答
我有一个布尔型的NumPy数组'boolarr‘。我想要计算其值为True的元素的数量。是否有专门用于此任务的NumPy或Python例程？或者，我需要遍历脚本中的元素吗？
浏览 1022提问于2011-12-03得票数 218
回答已采纳
我最近在python中编写了一些代码，使用蒙特卡洛方法模拟二维U(1)规范理论。本质上，我有一个n*n*2的数组(称为Link)，其中包含了一元复数(它们的大小是1)。我随机选择我的Link数组中的元素，并建议随机更改该站点的数字。然后，我计算由于该更改而发生的操作的结果更改。然后，我以等于min(1，exp(-dS))的概率接受更改，其中dS是操作中的更改。迭代器的代码如下
def iteration(j1,B0):
global Link
Staple = np.zeros((2),dtype=complex)
for i0 in range(0,j1):
浏览 13提问于2018-08-15得票数 2
回答已采纳
2回答
使用numpy阵的渐近数
、、、
在处理符号表达式数组时，是否应该使用numpy数组？
有点像
u0=numpy.array([Number(1.0), Number(1.0), Number(1.0)])
我的意思是，使用numpy数组而不是python列表会更快吗？
如果是这样，使用numpy数组的某些操作似乎会自动转换为浮动符号表示法，例如：
u0=np.array([Number(1.0), Number(1.0), Number(1.0)]) u = np.zeros((10, 3)) u[0] = u0
现在type(u0[0]) >> sympy.core.numbers.Float
type(u[0
浏览 4提问于2016-12-08得票数 2
回答已采纳
1回答
我需要做一个线性回归和总结所有的预测。也许这不是对Scikit学习的问题，而是对于NumPy的问题，因为我在最后得到了一个数组，并且我无法将它转换为一个浮点。
df
rank Sales
0 1 18000
1 2 17780
2 3 17870
3 4 17672
4 5 17556
x = df['rank'].to_numpy()
y = df['Sales'].to_numpy()
X = x.reshape(-1,1)
regression = LinearRegression().fit(X, y)
浏览 4提问于2022-06-10得票数 1
回答已采纳
3回答
我的任务是使用numpy数组找到要素类的平均中心。我已经使用从要素类创建了一个numpy数组
import arcpy
import numpy
fc = "polygons.shp"
a = arcpy.da.FeatureClassToNumPyArray(fc, ["SHAPE@X", "SHAPE@Y"])
然后，数组a是：
array([( 3107178.29076947, 10151024.31186805),
( 3107961.30479125, 10139810.52458512),
( 310
浏览 6提问于2017-07-13得票数 0
回答已采纳
我是python新手，正在学习Numpy。我所阅读和测试的是np.array具有单一的数据类型。当我在普通代码上使用它时，它工作和行为都很好。i.e
import numpy as np
np1 = np.array([1,'2' , True])
for i in np1:
print(type(i))
答案是
<class 'numpy.str_'>
<class 'numpy.str_'>
<class 'numpy.str_'>
但是当我的代码是
np2 = np.array(
浏览 0提问于2020-01-13得票数 2
我在这里用zalando mnist尝试过tensorflow示例：
在那之后，我用手写的mnist数据库改变了衣服的图像，它也可以工作。
现在我想用mnist手写数据库训练AI，从我手写的"1“中拍一张照片，让KI猜测数字。
我在KI的训练之后添加了几行代码。我尝试的是这样的：
ownPicArr = imageio.imread(filename) #it is a 28x28 PNG file
ownPicArr = ownPicArr / 255.0
pred = model.predict(ownPicArr)
我得到了以下错误：
ValueError: Error when
浏览 0提问于2019-04-21得票数 1
2回答
从上的numpy数组的规范开始
typedef struct PyArrayObject {
PyObject_HEAD
char *data;
int nd;
npy_intp *dimensions;
npy_intp *strides;
PyObject *base;
PyArray_Descr *descr;
int flags;
PyObject *weakreflist;
} PyArrayObject;
当我查看numpy数组的规范时，我看不到它存储数组的元素数。真的是这样吗？
不储存它有什么好处？
谢谢。
浏览 1提问于2016-09-07得票数 3
回答已采纳
我注意到LogisticEndpoint在中的图层。该文档构建了如下模型：
import numpy as np
inputs = keras.Input(shape=(3,), name="inputs")
targets = keras.Input(shape=(10,), name="targets")
logits = keras.layers.Dense(10)(inputs)
predictions = LogisticEndpoint(name="predictions")(logits, targets)
model = ke
浏览 1提问于2021-03-04得票数 0
回答已采纳
2回答
我们都知道："Numpy数组是所有相同类型的对象的多维数组“。
但是，我可以创建一个包含不同数据类型的Numpy数组，如下所示。有人能解释一下吗，怎么可能。
import numpy as np
a = np.array([('a',1),('b',2)],dtype=[('alpha','U11'),('num','i8')])
print(a[0][1]+1)
print(len(a[0][0]))
输出：
2
1
浏览 4提问于2021-08-01得票数 1
回答已采纳
2回答
我想创建一个数组来保存混合类型-- string和int。
以下代码没有按预期工作-所有元素都被类型化为字符串。
>>> a=numpy.array(["Str",1,2,3,4])
>>> print a
['Str' '1' '2' '3' '4']
>>> print type(a[0]),type(a[1])
<type 'numpy.string_'> <type 'numpy.string_&
浏览 2提问于2018-07-03得票数 3
2回答
Python截断片分配
、、、
我想知道为什么Python在为numpy数组分配浮点数时会将数字截断为整数：
import numpy as np
lst = np.asarray(list(range(10)))
print ("lst before assignment: ", lst)
lst[:4] = [0.3, 0.5, 10.6, 0.2];
print ("lst after assignment: ", lst)
产出：
lst before assignment: [0 1 2 3 4 5 6 7 8 9]
lst after assignment: [ 0 0
浏览 3提问于2015-12-18得票数 1
回答已采纳
上下文:我想将numpy ndarrays与float32一起使用，而不是float64。
编辑:额外的上下文-我关心numpy是如何执行这些调用的，因为它们将作为神经网络中反向传播例程的一部分重复发生。为了验证的目的，我想让网络在float32中执行所有的加/减/乘/除，因为我想将结果与另一个小组的工作进行比较。看起来像randn这样的方法的初始化总是来自float64 -> float32和.astype()类型转换。一旦我的ndarray是float32类型，例如，如果我使用np.dot，那么这些乘法会在float32中发生吗？如何验证？
文档对我来说不是很清楚-
我想我可以只在
浏览 8提问于2016-09-22得票数 5
回答已采纳
在菲利普·雷米关于有状态LSTM的中，他在底部说：“您可能必须通过调用predict_on_batch()或test_on_batch()来手动进行验证/测试。”
看看，predict_on_batch会这样做：
predict_on_batch(self, x)
Returns predictions for a single batch of samples.
Arguments
x: Input samples, as a Numpy array.
Returns
Numpy array(s) of predictions.
test_on_batch就是这样做的：
t
浏览 1提问于2018-01-21得票数 6
回答已采纳
在numpy 1.8.2中，当我索引固定长度字符串的numpy数组并请求一个值时，我得到一个长度为1的numpy数组，支持numpy操作。所以：
import numpy as np
strs = np.array(('aa', 'bbb', 'c'), dtype=np.dtype('|S4'))
print type(strs[(0,)])
我得到了
<type 'numpy.string_'>
如果我对对象数组执行相同的操作：
strs = np.array(('aa', '
浏览 0提问于2015-07-09得票数 1
我想得到元组数组的集合差值。例如，For
import numpy as np
a = np.empty((2,), dtype=object)
a[0] = (0, 1)
a[1] = (2, 3)
b = np.empty((1,), dtype=object)
b[0] = (2, 3)
我希望有一个函数，比如说set_diff，这样set_diff(a, b) = array([(0, 1)], dtype=object)。函数np.setdiff1d不起作用，np.setdiff1d(a, b)会生成array([(0, 1), (2, 3)], dtype=object)。
有
浏览 0提问于2021-02-15得票数 2
考虑下面的numpy数组和：
import numpy as np
a = np.array([10, 10])
b = np.array([1.3, 1.3])
a = a+b
print a
这将打印以下内容：
array([ 11.3, 11.3])
现在，如果我使用+=
import numpy as np
a = np.array([10, 10])
b = np.array([1.3, 1.3])
a +=b
print a
结果是：
array([11, 11])
对这种行为的解释是什么？我使用的是python 2.7.7和numpy 1.8.2
浏览 0提问于2015-03-05得票数 1
我有一个例子，我必须按顺序调用预测。为什么在这种情况下SVGP的预测要比SGPR更快呢？对于所有稀疏模型，预测的时间复杂度不是都一样吗?还是我遗漏了什么？这是我为测试它运行的代码：
from numpy.random import randn
import gpflow
sgpr = gpflow.models.SGPR(X=randn(70000,8), Y=randn(70000,1), kern=gpflow.kernels.SquaredExponential(8), Z=randn(200,8))
sgpr.predict_y(randn(1,8))
%timeit -n 100
浏览 3提问于2019-12-04得票数 0
回答已采纳
我有一个关于python/numpy执行类型转换的奇怪方式的问题。当我在float32和float64数字之间执行算术运算时，较低的精度被转换为float64，然后执行该操作，结果将为float64。但是当list或numpy数组由float32数字组成时，这种类型转换是以相反的方向执行的，即这次是将float64数字向下转换为float 32数字。
>> a = numpy.float32(10.0)
>> b = numpy.float64(1.0)
>> (a/b).dtype
dtype('float64')
>>
浏览 11提问于2016-12-02得票数 2
我使用的是python 3.5(64位)，我想加载并打印6.4‘m的numpy文件。我的朋友给我发了我想要的代码。她成功地加载了数据，但我看不到同样的结果。我成功安装了numpy 1.16.1。我将我的文件移动到本地磁盘以修复此错误。但它并没有起作用。
import numpy as np
data = np.load('C:/Users/papar/Desktop/processed_endomondoHR_proper_interpolate.npy')
print(data)
Traceback (most recent call last):
File
浏览 0提问于2020-05-20得票数 0
2回答
我正在学习numpy，对数组索引中使用的语法感到困惑。例如：
arr[2, 3]
这意味着元素在第3行和第4列的交集处。使我困惑的是，用方括号内的逗号分隔不同的索引(就像函数参数中的)。使用python列表这样做是无效的：
l = [[1, 2], [3, 4]]
l[1, 1]
追溯(最近一次调用)：TypeError: list索引中的文件""，第1行，必须是整数或切片，而不是元组
那么，如果这不是一个有效的python语法，那么numpy数组是如何工作的？
浏览 3提问于2021-05-27得票数 0
1回答
在运行此代码时使用二维数组"axes“：
print(axes.shape)
print(axes)
for ax in np.nditer(axes, flags=["refs_ok"]):
print(type(ax))
生成以下输出：
(10, 4)
[[<matplotlib.axes._subplots.AxesSubplot object at 0x1a215d8908>
<matplotlib.axes._subplots.AxesSubplot object at 0x1a1dcd37b8>
<matplot
浏览 13提问于2017-12-30得票数 1
回答已采纳
我正在用sagemath编写一些python代码。我只想解析一些值来检查它们是否是整数。我是用is_integer()函数来做的。但是，只有一些数字被匹配为整数。
我有这个数组：
[[ 1.26975000e+03 7.02493619e-14 -1.65645275e-13 5.00000000e+00
2.50000000e+00 3.54050123e-13 -2.91373674e+00 1.06841761e+00]
[ -5.00000000e+00 9.49393038e-01 5.00000000e+00 -5.00000000e+00
浏览 0提问于2019-05-25得票数 1
2回答
我有许多组成scipy.coo_matrix的索引和值。索引/值是从不同的子例程中生成的，并且在移交给矩阵构造函数之前被concatenated在一起：
import numpy
from scipy import sparse
n = 100000
I0 = range(n)
J0 = range(n)
V0 = numpy.random.rand(n)
I1 = range(n)
J1 = range(n)
V1 = numpy.random.rand(n)
# [...]
I = numpy.concatenate([I0, I1])
J = numpy.concatenate
浏览 1提问于2017-02-27得票数 0
1回答
将数组从c++返回给python
、、、、
我想从c++返回数组，并在python代码中以numpy数组的形式接收它。我使用了PyArray_SimpleNewFromData和Py_BuildValue，但我的程序在'PyArray_SimpleNewFromData‘应该运行的地方退出了，没有任何错误/警告消息，所以很难理解是什么问题。
下面是我返回数组的代码的一部分。
#include <Python.h>
#define NPY_NO_DEPRECATED_API NPY_1_7_API_VERSION
#include "numpy\ndarraytypes.h"
#include "
浏览 10提问于2021-03-10得票数 2
2回答
我希望从彼此之间减去2张灰色人脸，但我遇到了一个问题，即4-6给出了254而不是。
print(type(face)) #<type 'numpy.ndarray'>
print(face.shape) #(270, 270)
print(type(nface)) #<type 'numpy.ndarray'>
print(nface.shape) #(270, 270)
#This is what I want to do:
sface = face - self.nface #or
sface = np.subtract(face,
浏览 3提问于2014-10-31得票数 15
回答已采纳
我正在尝试将numpy.ndarray转换为numpy.float。numpy.ndarray看起来如下所示：
<class 'numpy.ndarray'>
[[0.]
[1.]
[1.]
...
[0.]
[0.]
[0.]]
我想在这样的numpy.float中转换它：
<class 'numpy.float64'>
[0.0, 1.0, 1.0, ... , 0.0, 0.0, 0.0]
有人能帮我吗？
提前谢谢！
浏览 3提问于2022-06-23得票数 0
我有一个由一列numpy数组组成的pandas数据帧。我可以使用numpy.mean函数来计算数组的平均值。
import numpy
import pandas
f = pandas.DataFrame({"a":[numpy.array([1.0, 2.0]), numpy.array([3.0, 4.0])]})
numpy.mean(f["a"]) # returns array([2., 3.])
我想在Dask做同样的事情。
import dask.dataframe
import dask.array
g = dask.dataframe.from
浏览 12提问于2020-02-18得票数 1
回答已采纳
我有一个在本地训练并部署到引擎上的模型，这样我就可以进行推断/调用端点了。当我试图作出预测时，我会得到以下例外。
raise ValueError('Input numpy.ndarray must be 2 dimensional')
ValueError: Input numpy.ndarray must be 2 dimensional
我的model是一个带有一些预处理(变量编码)和超参数调优的xgboost模型。训练模型的代码：
import pandas as pd
import pickle
from xgboost import XGBRegressor
fro
浏览 3提问于2021-12-05得票数 0
我已经用Fortran做了很长一段时间的计算物理相关工作，最近我开始学习和玩Python。我知道，作为一种解释语言，Python通常比Fortran慢，主要用于CPU密集型的计算工作。但是，我认为使用numpy可以显着地提高像排序这样的简单任务的性能。
因此，我的测试用例是对一个数组/包含随机浮动的10,000大小的列表进行排序，使用气泡排序(只是一个包含许多数组操作的测试用例，因此不需要评论算法本身的性能)。我的计时结果如下(所有函数都使用相同的算法)：
Python3 (使用numpy数组，但我自己的函数而不是numpy.sort)：33.115 s
Python3 (使用列表)：9.92
浏览 2提问于2019-11-18得票数 5
回答已采纳
1回答
我正在尝试对一个大的numpy数组进行排序。它是一个形状为(450,470，10,470) (994,050,000个元素)的4维'float16‘数组。加载时，数组大小约为2 GB，并且我使用的是64位linux (和64位python)，因此我应该能够毫无问题地使用我所有的8 GB内存，但只要我尝试使用argsort，我就会得到一个MemoryError。
代码如下：
import numpy as np
score = np.load('score.npy')
aaarg = np.argsort(score, axis=None)[:-21:-1]
我的目标是
浏览 3提问于2015-05-07得票数 2
我试一下这个： pd.DataFrame(numpy.array([[1, 2, 3], [4, 5, 6], [7, 'a', 'b']]), columns=['a', 'b', 'c']).dtypes
a object
b object
c object
dtype: object 但是在下一种情况下，当所有列都只包含整数值时，我得到了正确的列类型 pd.DataFrame(numpy.array([[1, 2, 3], [4, 5, 6]]), columns=['a'
浏览 21提问于2021-01-17得票数 1
回答已采纳
在尝试car behavioral cloning项目时，我成功地训练了我的模型，并生成了文件模型-001.h5。现在，为了测试模型，必须在Udacity自动驾驶模拟器中成功驾驶车辆。这是通过运行drive.py和生成的模型-001.h5文件来完成的 python drive.py model-001.h5 但是，我收到了这个错误。 x and y must have the same dtype, got tf.uint8 != tf.float32
x and y must have the same dtype, got tf.uint8 != tf.float32
x and y
浏览 44提问于2020-12-12得票数 0
回答已采纳
我正在做的是用一个包含318行和6个属性的数据集训练一个模型。7是目标输出(只有1或0) .I只想让模型打印1或0，即模型的输出。我已经按照下面的代码训练了模型，并获得了90%的准确率。但是我不知道如何获得每个训练数据的输出值。有没有办法打印或生成包含训练数据预测输出的新csv文件？例如:目标(第7个属性)：1 0 0预测(模型输出)：1 0 1帮助将是great.Thanks！ from keras.models import Sequential
from keras.layers import Dense, Dropout
from sklearn.model_selection im
浏览 123提问于2019-01-10得票数 0
2回答
我比较了通过model.evaluate(...)获得的结果和通过numpy获得的结果。正如你所看到的，它们有很大的不同。内核刚刚重新启动。找不到问题所在。
import numpy as np
import keras
from keras.layers import Dense
from keras.models import Sequential
import keras.backend as K
X = np.random.rand(10000)
Y = X + np.random.rand(10000) / 5
X_train, X_valid = X[:8000], X[800
浏览 2提问于2020-01-09得票数 1
有一种将python中的数字列表转换为numpy数组的方法。
但是，我尝试过的简单函数，例如numpy.average(x)，无论x是简单的python列表还是numpy数组都能工作。在哪种情况下，需要将python中的列表(或数组)转换为numpy中的数组？
浏览 1提问于2014-04-11得票数 3
回答已采纳
我在opencv中尝试使用boundingRect()函数时出错了。给出的是一个要点列表
lists = []
for match in enumerate(matches):
lists.append(kp2[match.trainIdx].pt)
x,y,w,h = cv2.boundingRect(lists)
TypeError: points不是numpy数组，也不是标量
P/s:我想在图像中检测到的对象周围画一个矩形。
任何帮助都是感激的
编辑
更改为np数组之前的列表。
[(328.0, 227.0), (372.0, 241.0), (366.0, 229.0)
浏览 1提问于2016-05-05得票数 3
1回答
我试图用matplotlib contourf函数绘制决策区域(基于逻辑回归的输出)。我使用的代码：
subplot.contourf(x2, y2, P, cmap=cmap_light, alpha = 0.8)
其中x2和y2是通过numpy网格生成的两个二维矩阵。P是用
P = clf.predict(numpy.c_[x2.ravel(), y2.ravel()])
P = P.reshape(x2.shape)
P的每个元素都是基于逻辑回归的输出的布尔值。呈现的情节如下所示
，我的问题是，轮廓函数如何知道如何根据二维布尔值矩阵绘制轮廓？ (x2，y2是numpy网格)我查了
浏览 1提问于2020-08-03得票数 1
回答已采纳
2回答
非常基本的问题。Numpy比list更快，比list做的更多。
我可以创建一个列表
A = [1,2,3,4]
我也可以用NumPy做类似的事情。
B = np.array([1,2,3,4])
如果NumPy可以完成列表所能做的所有事情，那么使用list有什么特定的原因吗？
浏览 3提问于2020-07-13得票数 1
回答已采纳
我在堆栈溢出上查找了这个错误，并找到了几个帖子，但没有人对这种特殊情况进行深入研究。
我有以下数据：
在下面的代码中定义了输入和输出的this：
xcol=["h","o","p","d","ddlt","devdlt","sl","lt"]
ycol=["Q","r"]
x=df[xcol].values
y=df[ycol].values
我的目标是根据输入(x)猜测输出值Q& r。我试过两种方法，但都失败了。对于
浏览 0提问于2018-11-27得票数 2
回答已采纳
我尝试了numpy数组，并创建了一个numpy字符串数组：
ar1 = np.array(['avinash', 'jay'])
正如我从他们的官方指南中读到的，numpy数组上的操作被传播到单独的元素。所以我这样做了：
ar1 * 2
但是我得到了这个错误：
TypeError Traceback (most recent call last)
<ipython-input-22-aaac6331c572> in <module>()
----> 1 ar1 * 2
浏览 3提问于2015-04-26得票数 27
回答已采纳
1回答
当我执行以下代码时，我正在使用python 2.7.3：
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
a = a / float(2**16 - 1)
print a
这将导致以下产出：
>> array([[1.52590219e-05, 3.05180438e-05, 4.57770657e-05],
>> [6.10360876e-05, 7.62951095e-05, 9.15541314e-05]])
然而，当我执行以下代码时，与预期完全相同：
import numpy as np
a
浏览 2提问于2015-08-13得票数 23
回答已采纳
我在python 2.7.3中看到了这一点，包括pylab和numpy。为什么要这样：
>>> x = pylab.arange(5)
>>> x = x + pylab.nan
>>> print x
[ nan nan nan nan nan]
与此不同：
>>> x = pylab.arange(5)
>>> x += pylab.nan
__main__:1: RuntimeWarning: invalid value encountered in add
>>> pri
浏览 2提问于2013-09-08得票数 4
回答已采纳
我正在尝试将混合类型(不同数据结构)的二进制文件读入NumPy数组。
数据组织在一个*.dat文件和一个*.dict (包含数据字典的纯文本)中。我拥有的数据字典的一个例子是：
“名称"s”50“
“项目ID”"i“"4”
“金额”"f“"8”
因此，我的想法是有一个类，我只需调用
f = data_bin()
f.load("profit.bin")
每当我将整数和浮点数混合在一起时，这段代码就完美无缺地工作了，但是一旦我在中间抛出一个字符串字段，它就会抛出错误。
。
"TypeError:需要浮动参数，而不是numpy.str
浏览 2提问于2014-05-16得票数 0
回答已采纳
1回答
当我用手计算二进制交叉熵时，我用sigmoid求出概率，然后用交叉熵公式来表示结果：
logits = tf.constant([-1, -1, 0, 1, 2.])
labels = tf.constant([0, 0, 1, 1, 1.])
probs = tf.nn.sigmoid(logits)
loss = labels * (-tf.math.log(probs)) + (1 - labels) * (-tf.math.log(1 - probs))
print(tf.reduce_mean(loss).numpy()) # 0.35197204
cross_entropy =
浏览 6提问于2019-09-29得票数 4
回答已采纳
我在考瑟拉上机器学习课程。有一个题目叫做梯度下降来优化成本函数。同时更新theta0和theta1，使成本函数最小化，达到全局最小。
梯度下降的公式是
如何使用python以编程方式完成此操作？我正在使用numpy阵列和熊猫从头开始，逐步理解它的逻辑。
目前我只计算了成本函数。
# step 1 - collect our data
data = pd.read_csv("datasets.txt", header=None)
def compute_cost_function(x, y, theta):
'''
Ta
浏览 0提问于2019-09-02得票数 4
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
