小编Dut*_*taA的帖子

我对TensorFlow很新.所以我在这里从TensorFlow中看到了这种不同类型的分裂.代码印在下面:

a = tf.constant([2, 2], name='a')
b = tf.constant([[0, 1], [2, 3]], name='b')
with tf.Session() as sess:
    print(sess.run(tf.div(b, a)))             ? [[0 0] [1 1]]
    print(sess.run(tf.divide(b, a)))          ? [[0. 0.5] [1. 1.5]]
    print(sess.run(tf.truediv(b, a)))         ? [[0. 0.5] [1. 1.5]]
    print(sess.run(tf.floordiv(b, a)))        ? [[0 0] [1 1]]
    print(sess.run(tf.realdiv(b, a)))         ? # Error: only works for real values
    print(sess.run(tf.truncatediv(b, a)))     ? [[0 0] [1 1]]
    print(sess.run(tf.floor_div(b, a)))       ? [[0 0] [1 1]]

由于我是编程语言的菜鸟,我无法理解他们的一些文档,包括"计算分区python风格"等等.如果有人可以解释所有和实际方面之间的差异,我将不胜感激.

因此，我正在寻找舍入numpy数组中所有数字的方法。我发现了2个类似的函数numpy.round和numpy.around。对于像我这样的初学者来说，两者似乎都存在相同的观点。

那么，这两个方面有什么区别：

• 一般差异
• 速度
• 准确性
• 在实践中使用

我想在 PyTorch 中做类似这个问题的事情，即将所有元素相互乘以保持某个轴恒定。PyTorch 是否有任何预定义的功能？

说我有2个变量x和y，我想遍历其间的所有值，而不知道是否x或y更大：

if(x>y):
  for i in range(y,x):
    #Code

elif(x<y):
  for i in range(x,y):
    #Code

没有所有if-else条件的Pythonic方法是什么？顺序无关紧要，降序或升序都可以，但是一般的答案会很好！