1、计算词向量矩阵彼此间余弦相似度
即由nm的词向量矩阵得到nn的相似度矩阵
import numpy as np
from sklearn.metrics.pairwise import cosine_similarity
vec1=[0.1,0.5,0.8]
vec2=[0.1,0.2,0.33]
cos2=cosine_similarity(x)
现象
2、Python使用networkx库计算拉普拉斯矩阵
其中similarity_matrix即为输入的权值方阵
import networkx as nx
import numpy as np
similarity_matrix = np.load(load_url)
m=np.matrix(similarity_matrix)
G = nx.from_numpy_matrix(m)
print(nx.laplacian_matrix(G).toarray())
3、生成矩阵对应的图像
from PIL import Image
matrix = matrix*255
matrix = np.matrix(matrix)
one = np.ones((574,574))*120
matrix=matrix+one
print(matrix)
matrix_image = Image.fromarray(matrix)
matrix_image=matrix_image.resize((500,800))
matrix_image=matrix_image.convert("L")#转换成灰度图
matrix_image.save('image.png')
4、查看nohup &执行的进程情况
ps -a只能查看当前终端执行的进程,因此退出重进终端后ps -a便无法查看之前nohup执行的进程
具体说明链接:[https://blog.csdn.net/qq_29663071/article/details/81030396
因此退出后可以通过ps aux|grep program的形式查看对应的进程信息
例如: