python
2024坚持到底
人一能之,己十之;人十能之,己千之。果能此道矣,虽愚,必明;虽柔,必强。
展开
-
Python求矩阵的逆矩阵
import numpy as npA = np.matrix([[1,2,3],[4,5,6],[7,8,9]])B = np.array([1,2,3,4,5,6,7,8,9]).reshape((3,3))print(A)print(B)print("*" * 50)print(np.linalg.inv(A))print(np.linalg.inv(B))结果为:[[1 2 3] [4 5 6] [7 8 9]][[1 2 3] [4 5 6] [7 8 9]]**原创 2020-12-06 16:43:34 · 14407 阅读 · 0 评论 -
Python中range()和np.arrange()的区别与联系
转载:https://blog.csdn.net/yuanxiang01/article/details/78702123转载 2020-11-14 20:04:19 · 1603 阅读 · 0 评论 -
format格式化函数
格式化字符串函数str.format()实例1:# 不设置指定位置,按默认顺序str_1 = "{} {}".format("hello", "python")print("str_1:",str_1)# 设置指定位置str_2 = "{0} {1}".format("hello", "python")print("str_2:",str_2)# 设置指定位置str_3 ="{1} {0} {1}".format("hello", "python")print("str_3:",st原创 2020-11-14 16:26:15 · 272 阅读 · 0 评论 -
tf.random_uniform()
tf.random_uniform([rows, colomns], minval = low, maxval = high, dtype = tf.float32)返回一个维度为[rows, colomns],范围为[low, high]的均匀分布随机浮点数张量import tensorflow as tfw = tf.random_uniform([3,3],-1,1,tf.float32)with tf.Session() as sess: # print(sess.run(w)) p原创 2020-11-04 19:44:16 · 649 阅读 · 0 评论 -
np.random.normal()
np.random.normal(loc,scale,size): 均值为loc,标准差为scale的正态分布参数loc(float):正态分布的均值,对应着这个分布的中心。loc=0说明这一个以Y轴为对称轴的正态分布。参数scale(float):正态分布的标准差,对应分布的宽度,scale越大,正态分布的曲线越矮胖,scale越小,曲线越高瘦。参数size(int 或者整数元组):输出的值赋在shape里,默认为None...原创 2020-11-04 19:20:18 · 180 阅读 · 0 评论