我有一个大数据框，它具有类似的模式，如下所示：
X Y Z
0 a p 2
1 a q 5
2 a r 6
3 a s 3
4 b w 10
5 b z 20
6 b y 9
7 b x 20
并且可以构造为：
df = {
'X': ['a', 'a', 'a', 'a', 'b', 'b', 'b', 'b'],
'Y': ['p', 'q', 'r', 's', 'w', 'x', 'y', 'z'],
'Z': [2, 5, 6, 3, 10, 20, 9, 5]
}
现在，我想这组数据帧由第一列即X采取max从Z柱和其对应的价值Y。如果 中有两个最大值Z，那么我想从 …
我试图np.zeros((28, 28))通过将某些行和列分配给 255 来在 numpy 数组上绘制一个“一”。我编写了以下代码：
one = np.zeros((28, 28))
one[12:15][5:23] = 255
在此之后我得到的输出是一个简单的零数组，没有任何变化。谁能解释一下这种奇怪的行为？
奖金
如果交换[12:15]和[5:23]，第 17 到 19 行将填充 255。
我正在尝试使用构建卷积神经网络pytorch，但无法理解如何解释第一个密集连接层的输入神经元。举例来说，我有以下架构：
self.conv_layer = nn.Sequential(
nn.Conv2d(3, 32, 5),
nn.Conv2d(32, 64, 5),
nn.MaxPool2d(2, 2),
nn.Conv2d(64, 128, 5),
nn.Conv2d(128, 128, 5),
nn.MaxPool2d(2, 2))
self.fc_layer = nn.Sequential(
nn.Linear(X, 512),
nn.Linear(512, 128),
nn.Linear(128, 10))
这X是第一个线性层中的神经元数量。那么，我是否需要跟踪每一层输出张量的形状以便我可以弄清楚X？
现在，我可以将值放入公式中(W - F + 2P) / S + 1并计算每层之后的形状，这会有点方便。
难道没有更方便的东西可以自动执行此操作吗？