小编Agu*_*guy的帖子

我注意到有复杂无穷大的有趣结果.

In [1]: import numpy as np

In [2]: np.isinf(1j * np.inf)
Out[2]: True

In [3]: np.isinf(1 * 1j * np.inf)
Out[3]: True

In [4]: np.isinf(1j * np.inf * 1)
Out[4]: False

这是nan相关的.但最终的结果是奇怪的.

这是一个numpy bug吗？我应该采取哪些不同的做法？

numpy似乎不是复杂无穷大的好朋友

虽然我们可以评估:

In[2]: import numpy as np

In[3]: np.mean([1, 2, np.inf])
Out[3]: inf

以下结果更加繁琐:

In[4]: np.mean([1 + 0j, 2 + 0j, np.inf + 0j])
Out[4]: (inf+nan*j)
...\_methods.py:80: RuntimeWarning: invalid value encountered in cdouble_scalars
  ret = ret.dtype.type(ret / rcount)

我不确定想象中的部分对我有意义.但如果我错了,请发表评论.

有关与numpy中复杂无穷大相互作用的任何见解？

我正在阅读卷积神经网络教程.我希望在训练模型后可视化每层的输出.例如,在函数"evaluate_lenet5"中,我想将一个实例(它是一个图像)传递给网络,并查看每个图层的输出以及为输入设置训练神经网络的类.我认为在每个图层的图像和权重向量上做点积可能很容易,但它根本不起作用.

我有每个图层的对象:

# Reshape matrix of rasterized images of shape (batch_size, 28 * 28)
# to a 4D tensor, compatible with our LeNetConvPoolLayer
# (28, 28) is the size of MNIST images.
layer0_input = x.reshape((batch_size, 1, 28, 28))

# Construct the first convolutional pooling layer:
# filtering reduces the image size to (28-5+1 , 28-5+1) = (24, 24)
# maxpooling reduces this further to (24/2, 24/2) = (12, 12)
# 4D output tensor is thus of shape (batch_size, …

我想这与整数类型溢出有关。但是为什么奇怪的错误信息呢？

In [36]: import numpy as np

In [37]: np.log2(2**63)
Out[37]: 63.0

In [38]: np.log2(2**64)
Traceback (most recent call last):

  File "<ipython-input-38-f1b1c814f08c>", line 1, in <module>
    np.log2(2**64)

AttributeError: 'int' object has no attribute 'log2'

为什么说“没有属性”而不是“整数溢出”？还是我误解了错误的原因？我可以看到此错误消息如何在帮助查找问题所在时非常混乱。

以下代码无法按预期工作:

import matplotlib.pyplot as plt

plt.plot(range(100000), '.')
plt.draw()

ax = plt.gca()
lblx = ax.get_xticklabels()
lblx[1]._text = 'hello!'
ax.set_xticklabels(lblx)
plt.draw()
plt.show()

我得到下图:

我想原因是自动xticklabels在get_xticklabels()被调用时没有时间完全创建.事实上,通过添加plt.pause(1)

import matplotlib.pyplot as plt

plt.plot(range(100000), '.')
plt.draw()
plt.pause(1)

ax = plt.gca()
lblx = ax.get_xticklabels()
lblx[1]._text = 'hello!'
ax.set_xticklabels(lblx)
plt.draw()
plt.show()

会给出预期的

我对这种状态不满意(不得不手动插入延迟).我主要担心的是:我怎么知道需要等多少时间？当然这取决于数字元素的数量,机器强度等.

所以我的问题是:是否有一些标志知道matplotlib已经完成了所有元素的绘制？或者有更好的方法来做我正在做的事情？

令人惊讶的 ipython 魔法%timeit错误：

In[1]: a = 2

In[2]: %timeit a = 2 * a

Traceback (most recent call last):
  File "...\site-packages\IPython\core\interactiveshell.py", line 3326, in run_code
    exec(code_obj, self.user_global_ns, self.user_ns)
  File "<ipython-input-97-6f70919654d1>", line 1, in <module>
    get_ipython().run_line_magic('timeit', 'a = 2 * a')
  File "...\site-packages\IPython\core\interactiveshell.py", line 2314, in run_line_magic
    result = fn(*args, **kwargs)
  File "<...\site-packages\decorator.py:decorator-gen-61>", line 2, in timeit
  File "...\site-packages\IPython\core\magic.py", line 187, in <lambda>
    call = lambda f, *a, **k: f(*a, **k)
  File "...\site-packages\IPython\core\magics\execution.py", line 1158, in timeit
    time_number = …

这让我感到惊讶......为了说明我使用这个小代码来计算1M随机数的平均值和中位数:

import numpy as np
import statistics as st

import time

listofrandnum = np.random.rand(1000000,)

t = time.time()
print('mean is:', st.mean(listofrandnum))
print('time to calc mean:', time.time()-t)

print('\n')

t = time.time()
print('median is:', st.median(listofrandnum))
print('time to calc median:', time.time()-t)

结果如下:

mean is: 0.499866595037
time to calc mean: 2.0767598152160645


median is: 0.499721597395
time to calc median: 0.9687695503234863

我的问题:为什么平均值比中位数慢？中位数需要一些排序算法(即比较),而均值需要求和.总和是否比比较慢？

我将非常感谢您对此的见解.

刚刚__length_hint__()从PEP 424(https://www.python.org/dev/peps/pep-0424/)遇到了这个非常棒的迭代器方法.哇!一种获取迭代器长度而不会耗尽迭代器的方法.

我的问题:

1. 有一个简单的解释这个魔法是如何工作的？我只是好奇.
2. 是否有限制和案例不起作用？("提示"听起来有点可疑).
3. 有没有办法获得拉链和发电机的提示？或者它只是迭代器的基础？

编辑: BTW,我看到__length__hint__()从当前位置到结束的计数.即部分消耗的迭代器将报告剩余长度.有趣.

我已经看到了建议的解决方案和解决方法，但是找不到关于不允许在迭代过程中更改集的选择的解释。你能帮我理解为什么可以吗

In [1]: l = [1]

In [2]: for i in l:
            l.append(2*i)
            if len(l)>10:
                    break

In [3]: l
Out[3]: [1, 2, 4, 8, 16, 32, 64, 128, 256, 512, 1024]

虽然这不行

In [4]: l = {1}

In [5]: for i in l:
            l.add(2*i)
            if len(l)>10:
                    break
---------------------------------------------------------------------------
RuntimeError                              Traceback (most recent call last)
<ipython-input-5-b5bdff4a382b> in <module>()
----> 1 for i in l:
      2         l.add(2*i)
      3         if len(l)>10:
      4                 break
      5

RuntimeError: Set changed size during iteration

在迭代时更改集合有什么不好？

我知道集合中的顺序未定义，因此next …

当使用无限生成器时,我可以if用来防止项目进入列表,但不是为了打破循环.

这实际上会崩溃并挂起.甚至KeyboardInterrupt不能救我(为什么BTW？)

import itertools
a = [x for x in itertools.count() if x<10]

如果我使用自己的无限发电机

def mygen():
    i=0
    while True:
        yield i
        i +=1

这将持续到 KeyboardInterrupt

a = [x for x in mygen() if x<10]

现在,显然对于一个适当的for循环,我们可以在满足条件时中断

a = []
for x in itertools.count():
    a.append(x)
    if x>9:
        break

所以我的问题是:有没有办法打破列表理解？