小编dim*_*pol的帖子

显然,rfft2函数只是计算输入矩阵的离散fft.但是,如何解释给定的输出索引？给定一个输出指数,我看哪个傅立叶系数？
我对输出的大小感到特别困惑.对于n×n矩阵,输出似乎是n乘(n/2)+1矩阵(对于偶数n).为什么方阵最终会得到非方形傅立叶变换？

有人告诉我，将平均池化应用于矩阵 M 相当于丢弃 M 的傅里叶表示的高频分量。对于平均池化，我的意思是 2 x 2 平均池化，如下图所示：

我想验证这一点并看看它是如何使用 numpy 工作的。因此，我编写了平均池的简单实现，并复制了一个函数来从这里整齐地显示矩阵：

def prettyPrintMatrix(m):
    s = [['{:.3f}'.format(e) for e in row] for row in m]
    lens = [max(map(len, col)) for col in zip(*s)]
    fmt = '\t'.join('{{:{}}}'.format(x) for x in lens)
    table = [fmt.format(*row) for row in s]
    print '\n'.join(table)

def averagePool(im):
    imNew = np.empty((im.shape[0] /2, im.shape[1]/2))
    for i in range(imNew.shape[0]):
        for j in range(imNew.shape[1]):
            imNew[i,j] = np.average(im[(2*i):(2*i+2), (2*j):(2*j+2)])
    return imNew

现在为了测试傅里叶系数的变化，我运行了以下代码：

M = np.random.random((8,8))
Mpooled = averagePool(M)

# …

我想在R中进行序数回归,所以我想使用包中的polr函数MASS.首先,我创建一个这样的模型:

model <- polr(labels ~ var1 + var2, Hess = TRUE)  

现在我想使用该模型来预测新病例.我以为那只是:

pred <- predict(model, data = c(newVar1, newVar2))  

然而,似乎预测是以某种方式预测训练集,而不是新数据.当我的训练集是2000个例子时,我的新数据是700个例子.我仍然得到2000个预测标签.

所以我的问题是:如何使用polr新数据进行预测？

我正在测试给我的一些代码，并收到一条错误消息：

AttributeError: 'module' object has no attribute 'sub'

所指的模块是TensorFlow。为了调查这个错误，我开始研究 TensorFlow 源代码并发现了一个函数“tensorflow.subtract”。将“sub”替换为“subtract”使错误消失。

但现在我仍然想知道为什么会出现这个错误。我可以想到两个原因：

1. 在某些时候，TensorFlow 将“sub”重命名为“subtract”，而我得到的代码尚未更新以适应该更改。将“sub”更改为“subtract”只是将代码更新为较新版本的 TensorFlow
2. 我在导入错误的库时犯了一些错误，而 TensorFlow 实际上有一个“sub”函数。这意味着更改为“减法”可能会改变程序的工作方式。

任何人都可以就这里最有可能的情况提出建议吗？