我正在实施fft作为我作业的一部分.我的问题在于使用位反转来实现数据元素的混乱.我收到以下警告:
DeprecationWarning:使用非整数而不是整数将导致将来出错.
data [x],data [y] = data [y],data [x]
自动评分系统(由大学提供)返回以下内容:
错误:只有整数,slices(
:),省略号(...),numpy.newaxis(None)和整数或布尔数组才是有效索引.
我的代码是:
def shuffle_bit_reversed_order(data: np.ndarray) -> np.ndarray:
"""
Shuffle elements of data using bit reversal of list index.
Arguments:
data: data to be transformed (shape=(n,), dtype='float64')
Return:
data: shuffled data array
"""
# implement shuffling by reversing index bits
size = data.size
half = size/2;
for x in range(size):
xx = np.int(x)
n = np.int(half)
y = 0
while n > 0:
y += …我想检查数据帧中是否存在行,以下是我的代码:
df = pd.read_csv('dbo.Access_Stat_all.csv',error_bad_lines=False, usecols=['Name','Format','Resource_ID','Number'])
df1 = df[df['Resource_ID'] == 30957]
df1 = df1[['Format','Name','Number']]
df1 = df1.groupby(['Format','Name'], as_index=True).last()
pd.options.display.float_format = '{:,.0f}'.format
df1 = df1.unstack()
df1.columns = df1.columns.droplevel()
if 'entry' in df1:
df2 = df1[1:4].sum(axis=0)
else:
df2 = df1[0:3].sum(axis=0)
df2.name = 'sum'
df2 = df1.append(df2)
print(df2)
这是输出:
Name Apr 2013 Apr 2014 Apr 2015 Apr 2016 Apr 2017 Aug 2010 Aug 2013
Format
entry 0 0 0 1 4 1 0
pdf 13 12 4 23 7 1 9
sum 13 12 …我想知道 numpy 中是否有任何函数可以确定矩阵是否为酉矩阵？
这是我写的函数，但它不起作用。如果你们能在我的函数中找到错误和/或告诉我另一种方法来确定给定矩阵是否是酉矩阵，我将不胜感激。
def is_unitary(matrix: np.ndarray) -> bool:
unitary = True
n = matrix.size
error = np.linalg.norm(np.eye(n) - matrix.dot( matrix.transpose().conjugate()))
if not(error < np.finfo(matrix.dtype).eps * 10.0 *n):
unitary = False
return unitary
我想找到两个日期之间的区别,我做了以下几点:
import java.text.ParseException;
import java.text.SimpleDateFormat;
import java.util.Date;
public class test {
public static void main(String[] args) {
Date date = new Date();
SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-DD");
String accessioned = "2017-04-27";
System.out.println(date);
try {
date = format.parse(accessioned);
} catch (ParseException e) {
e.printStackTrace();
}
System.out.println(date);
Date now = new Date();
long diff = now.getTime() - date.getTime();
System.out.println(diff);
if ((diff / (1000 * 60 * 60 * 24)) >= 30) {
System.out.println("haha");
}
}
}
这是我得到的输出:
Fri Jul 21 14:23:59 CEST …我正在使用 IMDB 数据集在 Keras 中训练模型。对于这个带有 LSTM 层的模型，准确率约为 50%：
model = Sequential()
model.add(Embedding(max_features, 32))
model.add(LSTM(32, return_sequences=True))
model.add(LSTM(32, return_sequences=True))
model.add(LSTM(32))
model.add(Dense(1, activation='sigmoid'))
准确性：
loss: 0.6933 - acc: 0.5007 - val_loss: 0.6932 - val_acc: 0.4947
我也尝试过使用单个 LSTM 层，但它也提供了类似的准确性。
然而，如果我不使用 LSTM 层，准确率会达到 82% 左右
model = models.Sequential()
model.add(layers.Dense(16, kernel_regularizer=regularizers.l1(0.001), activation='relu', input_shape=(10000,)))
model.add(layers.Dropout(0.5))
model.add(layers.Dense(16, kernel_regularizer=regularizers.l1(0.001), activation='relu'))
model.add(layers.Dropout(0.5))
model.add(layers.Dense(1, activation='sigmoid'))
准确性：
loss: 0.6738 - acc: 0.8214 - val_loss: 0.6250 - val_acc: 0.8320
这就是我编译和拟合模型的方式：
model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['acc'])
model.fit(partial_x_train, partial_y_train, epochs=Numepochs, batch_size=Batchsize, validation_data=(x_val, y_val))
这该如何解释呢？我认为 LSTM 对于顺序文本数据非常有效？
我想停用用户帐户而不是删除它.我想做像user.is_active = False这样的事情.我有一个视图删除用户配置文件,它的工作原理,但现在我需要将其更改为仅停用.这是我的观点:
def delete_profile(request):
user = User.objects.filter(id = request.user.profile.user_id)
try:
user.delete()
except:
messages.error(request,'Please try again.')
return redirect('profile')
messages.success(request, 'Profile successfully deleted.')
return redirect('index')
我尝试了User.is_active = False,它显示成功消息但没有做任何事情.当我在管理面板中检查用户时,它仍然会将用户标记为活动状态.
任何想法我怎么能做到这一点？提前致谢