搜索结果
查询Tags标签： np，共有 812条记录-
Python深度学习：机器学习理论知识，包含信息熵的计算（读书笔记）
今天这一篇，我们正式接触深度学习的理论基础—机器学习 第二篇 一、机器学习分类二、机器学习的基本算法三、算法的理论基础1、机器学习的基础理论-----函数逼近2、回归算法3、其他算法----决策树一、机器学习分类 1、基于学科分类 统计学、人工智能、信息论、控制理论 2…
2022/1/25 14:06:25 人评论 次浏览 -
在Blender中使用代码控制人物模型的眼部动作 - 睁眼与闭眼
在Blender中使用代码控制人物模型的眼部动作 - 睁眼与闭眼 flyfish 眼睛eyeBlink_R闭眼的数值分别是0、0.5、1。而眼睛的纵横比与之相反，眼睛的纵横比越大，眼睛睁的越大。眼睛的纵横比的计算方法眼睛的纵横比越大，眼睛睁的越大。代码实现 关于眼部的关键点在mediapipe中…
2022/1/24 23:04:47 人评论 次浏览 -
python numpy的一些基本使用
import numpy as npthe 1st part: the build of arrayarray1_1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) [[1 2 3][4 5 6][7 8 9]] array1_2 = np.zeros([3, 3]) [[0. 0. 0.][0. 0. 0.][0. 0. 0.]] array1_3 = np.ones([3, 3]) [[1. 1. 1.][1. 1. 1.][1. 1. 1.]] a…
2022/1/24 17:04:15 人评论 次浏览 -
python数据可视化的那些操作
目录 0. 前言1. matplotlib中figure、subplot和plot等什么关系2. 画图的细节修改2.1 plot画图形式修改2.2 添加图例、标签等2.3 在图上画注解和矩形 3. 图形保存参考链接0. 前言 数据处理过程中，可视化可以更直观得感受数据，因此打算结合自己的一些实践经理，以效果为准…
2022/1/23 17:04:33 人评论 次浏览 -
Python：Matplotlib画图示例
划分子图 import matplotlib.pyplot as pltplt.rcParams["font.family"] = "SimHei"fig = plt.figure(facecolor="lightgrey") # 背景颜色plt.subplot(2, 2, 1) plt.title("子标题1") plt.subplot(2, 2, 2) plt.title("子标…
2022/1/20 17:14:47 人评论 次浏览 -
Python：Matplotlib画图示例
划分子图 import matplotlib.pyplot as pltplt.rcParams["font.family"] = "SimHei"fig = plt.figure(facecolor="lightgrey") # 背景颜色plt.subplot(2, 2, 1) plt.title("子标题1") plt.subplot(2, 2, 2) plt.title("子标…
2022/1/20 17:14:47 人评论 次浏览 -
HW2-Logistic regression&Mini-batch gradient descent classfication
施工中 先按照范例写了用Mini-batch的logistic regression，处理方式和范例有一些区别，因为不太会numpy，只会矩阵向量乘来乘去，不会用广播之类的操作((( 如果仿照范例不做优化的话，在train_set上跑出来的acc和loss和范例差不多Preprocess import numpy as npwith open…
2022/1/18 23:09:05 人评论 次浏览 -
HW2-Logistic regression&Mini-batch gradient descent classfication
施工中 先按照范例写了用Mini-batch的logistic regression，处理方式和范例有一些区别，因为不太会numpy，只会矩阵向量乘来乘去，不会用广播之类的操作((( 如果仿照范例不做优化的话，在train_set上跑出来的acc和loss和范例差不多Preprocess import numpy as npwith open…
2022/1/18 23:09:05 人评论 次浏览 -
Numpy的简单运算
Numpy的简单输出： import numpy as npa=np.array([10,20,30,40]) b=np.arange(4)print(a,b) c=b**2 c=10*np.tan(a) print(c) print(b<3) print(b==3) 输出结果： [10 20 30 40] [0 1 2 3] [ 6.48360827 22.37160944 -64.05331197 -11.17214931] [ True True Tru…
2022/1/17 23:35:53 人评论 次浏览 -
Numpy的简单运算
Numpy的简单输出： import numpy as npa=np.array([10,20,30,40]) b=np.arange(4)print(a,b) c=b**2 c=10*np.tan(a) print(c) print(b<3) print(b==3) 输出结果： [10 20 30 40] [0 1 2 3] [ 6.48360827 22.37160944 -64.05331197 -11.17214931] [ True True Tru…
2022/1/17 23:35:53 人评论 次浏览 -
用python实现线性规划
用Python实现线性规划 使用python库中scipy中的函数linprog来求解线性规划 linprog函数中线性规划的标准形式为 \[\min c^Tx\\ s.t\left\{\begin{aligned}Auq\cdot x&\le b\\ Aeq\cdot x&=beq\\ lb\le x&\le ub\end{aligned}\right. \]其中c和x为n维向量，A、…
2022/1/16 22:33:26 人评论 次浏览 -
用python实现线性规划
用Python实现线性规划 使用python库中scipy中的函数linprog来求解线性规划 linprog函数中线性规划的标准形式为 \[\min c^Tx\\ s.t\left\{\begin{aligned}Auq\cdot x&\le b\\ Aeq\cdot x&=beq\\ lb\le x&\le ub\end{aligned}\right. \]其中c和x为n维向量，A、…
2022/1/16 22:33:26 人评论 次浏览 -
【python】GPU计算
A=cuda.to_device(a) fgriddim, blockdim b=A.copy_to_host() cuda{ blockDim:[x], blockIdx:[x], threadDim:[x], threadIdx:[x],gridDim:[x],} from numba import cuda import numpy as np@cuda.jit def addGPU(A,B,C):i=cuda.blockIdx.xj=cuda.threadIdx.xC[i][j]=A[i]…
2022/1/16 17:11:09 人评论 次浏览 -
【python】GPU计算
A=cuda.to_device(a) fgriddim, blockdim b=A.copy_to_host() cuda{ blockDim:[x], blockIdx:[x], threadDim:[x], threadIdx:[x],gridDim:[x],} from numba import cuda import numpy as np@cuda.jit def addGPU(A,B,C):i=cuda.blockIdx.xj=cuda.threadIdx.xC[i][j]=A[i]…
2022/1/16 17:11:09 人评论 次浏览 -
主成分分析详解和应用（python/R）
注：可直接看方法解析和应用部分，其余部分为笔者的推导详解。 目录 方法解析 python实现 数据模拟 数据标准化 求协方差矩阵及特征值和特征向量正交矩阵 修剪得到累积贡献率超过85%的特征值向量和特征向量矩阵 修剪后的特征向量与原始数据相乘得到降维后的数据 完整代码 …
2022/1/15 17:08:21 人评论 次浏览
