python function at 0x00000_python 问题求解,为什么会返回<function variance at 0x7f3c022c8d70>...

defvariance(s):####主要是求方差的narray=numpy.array(s)sum1=narray.sum()narray2=narray*narraysum2=narray2.sum()mean=sum1/len(s)var=sum2/len(s)-mean**2printvarreturnvarianc...

def variance(s):####主要是求方差的

narray=numpy.array(s)

sum1=narray.sum()

narray2=narray*narray

sum2=narray2.sum()

mean=sum1/len(s)

var=sum2/len(s)-mean**2

print var

return variance

f1=wave.open(r'/home/yun/gqrx-20150320-085746.wav','rb')

#read the wave's format infomation,and return a tuple

params = f1.getparams()

#get the info

nchannels, sampwidth, framerate, nframes = params[:4]

#Reads and returns nframes of audio, as a string of bytes.

expectedfile = f1.readframes(nframes)

#close the stream

expected_data = np.fromstring(expectedfile, dtype = np.short)

f1.close()

variance_deviation1=variance(wave_data)####运行后,variance_deviation1就是function type,不理解为什么啊?还有怎么改回来呢?

展开

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
`tf.contrib.layers.variance_scaling_initializer()` 是 TensorFlow 中的一个初始化器函数,用于初始化神经网络中的权重。该函数采用了一种比较先进的初始化方法,即"Variance Scaling Initialization",可以有效地缓解梯度消失和梯度爆炸的问题,提高神经网络的训练效果。 该函数的语法如下: ``` tf.contrib.layers.variance_scaling_initializer(factor=2.0, mode='FAN_IN', uniform=False, seed=None, dtype=tf.float32) ``` 参数说明: - `factor`:用于缩放输出的标准偏差的因子。默认值为 2.0。 - `mode`:确定使用的缩放方式。可以是 "FAN_IN"(输入节点数量),"FAN_OUT"(输出节点数量)或 "FAN_AVG"(输入和输出节点数量的平均值)。默认值为 "FAN_IN"。 - `uniform`:如果为 True,则从均匀分布中采样,否则从正态分布中采样。默认值为 False。 - `seed`:随机数生成器的种子。默认为 None。 - `dtype`:所需的初始化数据类型。默认为 tf.float32。 使用示例: ```python import tensorflow as tf # 定义一个全连接层,使用 variance scaling 初始化权重 fc1 = tf.layers.dense(inputs=x, units=256, activation=tf.nn.relu, kernel_initializer=tf.contrib.layers.variance_scaling_initializer()) # 定义一个卷积层,使用 variance scaling 初始化卷积核 conv1 = tf.layers.conv2d(inputs=x, filters=32, kernel_size=[3, 3], padding="same", activation=tf.nn.relu, kernel_initializer=tf.contrib.layers.variance_scaling_initializer()) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值