V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
V2EX  ›  necomancer  ›  全部回复第 6 页 / 共 31 页
回复总数  618
1 ... 2  3  4  5  6  7  8  9  10  11 ... 31  
2021-10-07 03:32:14 +08:00
回复了 xiaolaji 创建的主题 Python 使用 pycharm 遇到问题
使用 pycharm 遇到问题是怎么回事呢? pycharm 相信大家都很熟悉,但是使用过程中遇到问题是怎么回事呢,下面就让小编带大家一起了解吧。使用 pycharm 遇到问题,其实就是 pycharm 在使用中遇到了问题,大家可能会很惊讶 pycharm 怎么会出问题呢?但事实就是这样,小编也感到非常惊讶。这就是关于 pycharm 使用遇到问题的事情了,大家有什么想法呢,欢迎在评论区告诉小编一起讨论哦!
@Luckysunnny 血压上来了……
2021-09-01 10:00:55 +08:00
回复了 sjzjams 创建的主题 程序员 如果不考虑现实,你最想去哪?想怎么生活。
@autoxbc 这个建筑不物理啊……啥原理啊能这么立着
@yagamil 可以啊,
a b c d e
0 0 0 0 1
代表选择了 e
取决于你对 feature 的理解和怎么建模,比如你可以 low=1, medium=2, high=3,因为 low-high 之间距离大于 medium 到 high 的距离似乎也挺合理的。但向量化
low medium high
(01) (01) (01)
比如你有一个 feature 对应 low,则给出向量
1 0 0
high 则是
0 0 1
这样做是为了两两间等距,并且是一组正交基。一般用于你的离散 feature 之间等权且没什么关联。
@niknik 扫地机器人?
2021-05-21 11:02:40 +08:00
回复了 zxCoder 创建的主题 Python 关于 WSL docker cuda,安装深度学习 Python 环境
windows 有 cuda,也可以使用 pip 安装 tensorflow gpu 版。这里:
https://www.tensorflow.org/install/gpu


wsl 是另一回事,目前我没记错的话在开发中,wsl 需要注册开发账户才能从 nvidia 下载到对应的驱动(win),wsl 里才能使用 gpu 程序。
2021-05-14 14:28:01 +08:00
回复了 Misakas 创建的主题 程序员 有无办公用的键盘推荐
没有看到钱数……我是傻逼……这个价位找找魔力鸭黑轴?或者试试 niz 静电容,不过在 600-800 (蓝牙),稍微贵一点但是效果绝对好。
2021-05-14 10:22:41 +08:00
回复了 Misakas 创建的主题 程序员 有无办公用的键盘推荐
cherry mx 10
2021-05-07 21:50:30 +08:00
回复了 huzhikuizainali 创建的主题 Python pypy 优缺点是什么?
@SJ2050cn 和 numba.jit 比呢?我好久没碰过 pypy 了,上一次用还是 numpy 只支持 pypy2……
2021-05-06 10:16:26 +08:00
回复了 996bujiaban 创建的主题 Python 求解, python3,当数据大的时候,怎么列出全部排序可能?
不会先全放在内存里再做什么操作。
2021-05-06 10:16:00 +08:00
回复了 996bujiaban 创建的主题 Python 求解, python3,当数据大的时候,怎么列出全部排序可能?
这种情况是做一个生成器,itertools,pandas 之类的都是这么干的,然后每次操作是从生成器里取出下一个
2021-04-21 00:07:49 +08:00
回复了 sunhk25 创建的主题 Python Python numpy 如何优雅的进行矩阵的并行计算
我测试了一下,有个简单一点的方法,但是会慢一些:
arr = np.arange(3)
def how(x, y):
....if x < y:
........return x + y
....return x * y
np.frompyfunc(how, 2, 1)(arr[:,None], arr)

frompyfunc 会返回一个 ufunc,从而让 numpy 可以 broadcast 自定义的函数。但是效率似乎没有 numba 的 vectorize/guvectorize 高,尤其是 numba 可以 target='gpu'或者'parallel'
2021-04-20 23:47:29 +08:00
回复了 sunhk25 创建的主题 Python Python numpy 如何优雅的进行矩阵的并行计算
另,guvectorize 可以 target='cpu', 'gpu', 'parallel'
2021-04-20 23:43:18 +08:00
回复了 sunhk25 创建的主题 Python Python numpy 如何优雅的进行矩阵的并行计算
这狗 shit 的排版……
2021-04-20 23:42:20 +08:00
回复了 sunhk25 创建的主题 Python Python numpy 如何优雅的进行矩阵的并行计算
想要速度一定要用 nopython=True,但是代码得注意一定不能有 object
2021-04-20 23:41:49 +08:00
回复了 sunhk25 创建的主题 Python Python numpy 如何优雅的进行矩阵的并行计算
In [4]: from numba import guvectorize, float64, jit
In [5]: @jit(nopython=True)
...: def how(x, y):
...: return x + y
In [6]: @guvectorize([(float64[:], float64[:,:])], '(n)->(n, n)', nopython=True)
...: def f(arr, ret):
...: for i in range(arr.shape[0]):
...: for j in range(arr.shape[0]):
...: if j >= i:
...: tmp = how(arr[i], arr[j])
...: ret[i, j] = tmp
...: ret[j, i] = tmp
In [11]: arr = [np.arange(3), np.arange(10, 13)]

In [12]: f(arr)
Out[12]:
array([[[ 0., 1., 2.],
[ 1., 2., 3.],
[ 2., 3., 4.]],

[[20., 21., 22.],
[21., 22., 23.],
[22., 23., 24.]]])
In [13]: arr = np.arange(3)

In [14]: f(arr)
Out[14]:
array([[0., 1., 2.],
[1., 2., 3.],
[2., 3., 4.]])
2021-04-09 10:20:45 +08:00
回复了 d0m2o08 创建的主题 Linux Linux 下一些配置文件以数字开头,这些数字有什么特殊含义么?
调执行顺序的吧,不一般对应的.conf 里都是 for file in xxx.d/*.conf 这样,用数字控制执行顺序,而不是文件名字母排序。
2021-03-14 20:40:58 +08:00
回复了 sdushn 创建的主题 Python 是否有合适的 Python 库实现一组采样数据的尖峰检测呢
https://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.find_peaks.html

一般这些算法都是基于小波变换,看看原理很简单的。
2021-03-14 20:35:35 +08:00
回复了 yaleyu 创建的主题 Python 开新帖求教 pandas 大拿,关于 groupby 和 cumsum 和 rolling
@yaleyu 这速度测试……是数据集太小了吧……
1 ... 2  3  4  5  6  7  8  9  10  11 ... 31  
关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   5362 人在线   最高记录 6543   ·     Select Language
创意工作者们的社区
World is powered by solitude
VERSION: 3.9.8.5 · 86ms · UTC 08:00 · PVG 16:00 · LAX 01:00 · JFK 04:00
Developed with CodeLauncher
♥ Do have faith in what you're doing.