小编dkv*_*dkv的帖子

Python/NumPy中三个"all"方法之间的区别是什么？性能差异的原因是什么？ndarray.all()总是三者中最快的吗？

这是我运行的计时测试:

In [59]: a = np.full(100000, True, dtype=bool)

In [60]: timeit a.all()
The slowest run took 5.40 times longer than the fastest. This could mean that an intermediate result is being cached.
100000 loops, best of 3: 5.24 µs per loop

In [61]: timeit all(a)
1000 loops, best of 3: 1.34 ms per loop

In [62]: timeit np.all(a)
The slowest run took 5.54 times longer than the fastest. This could mean that an intermediate result is being cached.
100000 …

假设我有以下代码来创建三个并排图像：

    n=10
    x = np.random.rand(n,1)
    y = np.random.rand(1,n)
    z = np.random.rand(n,n)

    fig, ax = plt.subplots(1, 3)
    ax[0].imshow(x)
    ax[1].imshow(z)
    ax[2].imshow(y)

但是，轴会自动缩放，以使第一个图像中的垂直轴大于第二个图像中的垂直轴。

有没有一种方法可以以编程方式强制所有大小的图像尺寸n在三个图中看起来相同，而与窗口大小无关？我正在寻找一种链接轴或图像的方法，以使第一个图的垂直轴与第二个图的垂直轴具有相同的大小，而第三个图的水平轴与不论窗口大小如何，第二个绘图的水平轴。即这样的事情：

如何导入/导出 Spyder 的自定义首选项？例如，如果我将它安装在一台新机器上并且想从我的原始安装中导入我的颜色/解释器/键映射默认值。

我希望将双输出功能的输出传递到一个双输入功能中.

即如果我有两个功能

function [out1, out2] = funA(in)
%function definition here
function out = funB(in1, in2)
%function definition here

我想做点什么

out = funB(funA(in)) %this doesn't actually work

是否有语法来做到这一点,而不必写它

[o1, o2] = funA(in)
out = funB(o1, o2)

我也不是在寻找

[o1, o2] = funA(in); out = funB(o1, o2);

有没有什么情况我想使用 NumPynp.copy()而不是 Python 的copy.copy()方法？据我所知，两者都创建浅拷贝，但 NumPy 仅限于数组。NumPy 是否有任何未考虑到的性能或特殊处理copy？

假设我有一个简单的单隐藏层网络，我正在以典型的方式训练它：

    for x,y in trainData:
        optimizer.zero_grad()
        out = self(x)
        loss = self.lossfn(out, y)
        loss.backward()
        optimizer.step() 

这按预期工作，但如果我预先分配并更新输出数组，则会收到错误：

    out = torch.empty_like(trainData.tensors[1])
    for i,(x,y) in enumerate(trainData):
        optimizer.zero_grad()
        out[i] = self(x)
        loss = self.lossfn(out[i], y)
        loss.backward()
        optimizer.step()  

运行时错误：尝试再次向后浏览图形，但缓冲区已被释放。第一次向后调用时指定retain_graph=True。

在第二个版本中，Pytorch 尝试再次向后遍历图表，这里发生了什么？为什么这在第一个版本中不是问题？（请注意，即使我不这样做也会发生此错误zero_grad()）

当我使用 Slurm via 运行作业时sbatch，有时它会生成一个文件名类似于core.12345（在不同时间具有不同的 5 位字符串）的文件。我找不到任何有关此文件的作用以及生成原因的文档，但文档中有一些提及。

这个文件有什么作用以及为什么生成它？（它是由 Slurm 生成的还是其他东西？）

有没有办法抑制它的产生呢？（它相当大，大约有几千兆字节，并且自动写入集群上的我的主目录）

我正在尝试连接到 Spyder 中的远程内核，但是无法直接访问运行它的计算机。相反，要连接到它，我必须通过堡垒主机/跳转箱，如下所示： ssh -i ~/.ssh/id_rsa -J me@jumpbox me@remote它将我直接登录到remote，自动通过 发送连接jumpbox。

我已经在 上python -m spyder-kernels.console 运行remote，我想在其中进行计算，但无法直接连接到它，因为它只能从 访问jumpbox。我尝试使用一个条目设置我的 ssh 配置，ProxyJump该条目可用于在命令行中通过 ssh 登录计算机，但 Spyder 在设置远程内核连接时似乎忽略了配置文件，

有没有办法连接到这个远程内核？看来有一种方法可以用 IPython 来做到这一点，我知道我可以用 Jupyter Notebook 来做到这一点，但我想知道我是否可以在 Spyder 中做到这一点。

（相关：通过ssh隧道将spyder连接到远程内核）

这是关于编程风格的问题:参数化函数的最"Pythonic"方式是什么(即使是正确的单词呢？)

假设我有一个函数(例如ODE求解器)接受两个参数的另一个函数(例如ODE本身)作为参数.

def solver(fun):
   # Implementation goes here
   # fun is a function handle that accepts two args e.g. fun(t,y)

但是,我希望传递solver的函数由第三个值参数化

def myFun(t,y,A):
   # Implementation goes here

我一直在使用以下lambda函数处理这种情况:

A = 4
solution = solver(lambda t,y:myFun(t,y,A))

我最近在网上看到一些帖子告诉我要避免lambda像瘟疫那样,而且Guido自己后悔允许这个功能.如果lambdas确实很糟糕,那么实施上述方法的"Pythonic"方法有哪些？没有lambda我遇到无法访问全局命名空间的问题,即我想这样做:

A = 4
def myFunNotLambda(t,y):
    return myFun(t,y,A)
solution = solver(myFunNotLambda)

但实现这一目标的唯一方法似乎是制作A全球,这绝对比使用更糟糕lambda

我很清楚如何以scipy.integrate.ode.integrate(t)最简单的形式使用该函数,但API读取它还需要两个可选参数,即step和relax.当前文档没有关于这些参数的信息,也没有在示例中使用它们.我想知道,他们做了什么以及他们有用的情况是什么？

假设我在一个非常紧密的循环中有以下内容：

a = func(x)
b = func2(a)

该变量a未在其他任何地方使用。

Python 会自动编译对 的赋值a，还是每次都花时间进行变量赋值？换句话说，这段代码是相同的，还是由于没有赋值而稍微快一点a？

b = func2(func(x))

Python2.7 和 Python3 的行为是否相同？