小编cod*_*omb的帖子

令x为具有(A,B)形状的矩阵,并且y为具有A + B-1大小的阵列.

for i in range(A):
    for j in range(B):
        x[i][j] = y[i+j]

如何使用numpy中的函数有效地实现等效代码？

我正在尝试一些具有各种超级参数的深度学习实验。我分别为每个超级参数设置构建模型。在训练和评估了第一个超参数设置之后，当我尝试使用第二个设置构建新模型时，它给我一个与变量重用和填充有关的错误。

因此，我想在每次实验后重设会话。我怎样才能做到这一点？

我已经尝试过tf.reset_default_graph()，但是当我致电时sess.run(tf.global_variables_initializer())，它给了我以下错误：

ValueError：无法将获取参数解释为张量。（操作名称：“ init”操作：“ NoOp”输入：“ ^ v / Assign”不是此图的元素。）

如何删除所有变量并和平重置会话？

我相信无论操作数有多大，整数加法或减法总是花费相同的时间。ALU 输出稳定所需的时间可能因输入操作数而异，但利用 ALU 输出的 CPU 组件将等待足够长的时间，以便任何整数运算都将在相同的周期中处理。（ADD、SUB、MUL 和 DIV 所需的周期会有所不同，但我认为，无论输入操作数如何，ADD 都将采用相同的周期。）

对于浮点运算也是如此吗？

我正在尝试实现一个包含大量浮点运算的程序。我想知道缩放我正在处理的数字是否有助于快速运行。