小编Lan*_*Liu的帖子

我最近在sony vaio windows 10系统上使用anaconda 4.1.1 python 3.5.2安装从Biopython模块解码句柄(错误映射0x81,0x8D)时遇到了一些问题

经过一些研究,似乎问题可能是默认的解码编解码器是cp1252.我运行下面的代码,发现确实默认编解码器设置为cp1252.

但是,有几篇文章建议python 3应该将默认编解码器设置为utf8.那是对的吗？如果是这样,为什么我的cp1252,我该如何解决这个问题呢？ import locale os_encoding = locale.getpreferredencoding()

给定n,有多少结构上唯一的BST(二叉搜索树)存储值1 ... n？

例如,给定n = 3,总共有5个唯一的BST.

   1         3     3      2      1
    \       /     /      / \      \
     3     2     1      1   3      2
    /     /       \                 \
   2     1         2                 3

我有这个解决方案:

/**
 * Solution:
 * DP
 * a BST can be destruct to root, left subtree and right subtree.
 * if the root is fixed, every combination of unique left/right subtrees forms
 * a unique BST.
 * Let a[n] = number of unique BST's given values 1..n, then
 * …

我正在做一些关于在Python中卷积图像的事情,为了速度,我选择了opencv 2.4.9.

Opencv提供了一种名为filter2D的方法来执行此操作,这里是它的文档:http://docs.opencv.org/modules/imgproc/doc/filtering.html？highlightlight = filter2d#filter2d

在文档中,它说:

用内核卷积图像.

但我有疑问(由别的东西引起)所以我做了一些实验:

首先,我做一个正常的3x3矩阵一个使用numpy的是:

  [[ 1.,  5.,  0.], 
   [ 7.,  2.,  9.], 
   [ 2.,  3.,  4.]]

Run Code Online (Sandbox Code Playgroud)

然后,我将2x2矩阵b作为内核:

>>> b

  [[ 1.,  2.],
   [ 3.,  4.]]

Run Code Online (Sandbox Code Playgroud)

最后,为了清楚地看到卷积和相关之间的差异,将b旋转180度,b将如下所示:

  [[ 4.,  3.],
   [ 2.,  1.]]

Run Code Online (Sandbox Code Playgroud)

现在,所有的前期工作都已完成.我们可以开始实验了.

步骤1.使用scipy.ndimage.convolve:ndconv = ndimage.convolve(a, b, mode = 'constant')和ndconv是:

  [[ 35.,  33.,  18.],
   [ 41.,  45.,  44.],
   [ 17.,  24., …

Run Code Online (Sandbox Code Playgroud)

假设我有一个像这样的矩阵w(1152,10):

>>> w.get_value(True)
array([[-0.03824838, -0.02033614,  0.040734  , ...,  0.01585871,
         0.04165901,  0.01058411],
       [-0.00626427,  0.00891617,  0.01286055, ...,  0.00184506,
        -0.01282589, -0.00209718],
       [ 0.00457122, -0.01036582,  0.02780926, ...,  0.01269533,
        -0.00953711, -0.00271188],
       ..., 
       [ 0.00592541, -0.00267455,  0.02258315, ..., -0.00788802,
         0.02260087, -0.01107418],
       [-0.02363299,  0.02963436,  0.02735142, ..., -0.01933786,
        -0.03731941,  0.02085613],
       [-0.0079082 ,  0.01099584,  0.01910999, ...,  0.00122137,
        -0.006866  , -0.01500945]])

我有一个像这样的大小输入(1152,1):

>> input.get_value(True)
array([ 0.,  0.,  0., ...,  0.,  0.,  0.])

现在我想像这样计算它们的点复制:

>> result = theano.tensor.dot(image, w)

它给了我:

>>> result
dot.0
>>> type(result)
<class 'theano.tensor.var.TensorVariable'>
>>> type(image)
<class 'theano.tensor.sharedvar.TensorSharedVariable'> …