我是PyBrain的初学者（对ANN来说是相当新的），所以为了熟悉PyBrain的使用，我试着训练一个sin函数。我的输出没有什么意义——对于每个数据点，我得到一个0、-0或某个固定实数的输出（在下面的示例中，我得到一个实数）。这表明我没有正确地训练 我一直在尝试通过SupervisedDataSet（1,1）创建一个包含一个输入和一个输出的数据集，并使用BackPropTrainer（）进行培训。我已经广泛阅读了PyBrain文档，它相当稀少，示例也不多。我的输入是一个范围（01000）内的整

注: 我有一个大数组a： Speed is not as important as getting a final result. However, some speed up over worst case is required as well. 我需要计算相关系数 A.shape=(20000,265) # or possibly larger like 50,000 x 265 我只是借用了他们的代码，编写了我自己的cov/corr，而不是转换成双精度，因为我真的只需要32位浮点。

在下文中，func表示一个使用多列（跨组耦合）且不能直接在pandas.Series上操作的函数。0*d['x']语法是我所能想到的最轻的强制转换语法，但我认为这很尴尬 此外，生成的pandas.Series（s）仍然包含组索引，在作为列添加到pandas.DataFrame之前，必须删除该索引。s.reset\u索引（…）索引操作似乎很脆弱，而且容易出错，所以我很好奇它是否可以避免。有这样做的成语吗 import pandas import numpy df = pandas.DataFra

我试图只使用RPM包（因此，不使用pip、手动构建等）链接NumPy和SciPy（在Python3下，在Fedora20下） 我试过各种各样的东西，但是 将numpy导入为np 进口西皮 scipy.\uuuuu配置\uuuuuu.show（） np.\uuuuu配置\uuuuuu.show（） 总是给我通常的“我在使用ATLAS”信息 我已经尝试过按建议使用备选方案，以及其他一些参考资料，但是备选方案——列表| grep blas总是空的。我尝试添加一个libblas.so.3备选方案，链接

我在R中有一个非常大和稀疏的矩阵，是用“矩阵”包创建的，我想用python+numpy处理它。R对象是csc格式的，如果我使用Matrix包中的函数writeMM导出它，输出结果如下所示： %%MatrixMarket matrix coordinate real general 4589 17366 160441 22 1 5.954510725783322 36 1 29.77255362891661 41 1 23.81804290313329 74 1 5.954510725783322

假设我获取一个传入数据流（非常快），我想查看一个窗口的各种统计数据（std偏差，（比如，最后N个样本，N相当大）。用Python实现这一点最有效的方法是什么 比如说, df=ps.DataFrame(np.random.random_sample(200000000)) df2 = df.append([5]) 正在visual studio中破坏我的REPL环境 有没有一种方法可以在不发生这种情况的情况下附加到数组中？有没有一种方法可以告诉数据帧上的哪些操作是增量计算的，而不是通过对它们执行

在[它说： 当我在numpy 3d阵列上使用展平函数时，我得到了一个一维阵列。但这里它说我得到了一个矩阵。展平（2）在theano中是如何工作的 numpy上的类似示例生成1D阵列： a= array([[[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9]], [[10, 11, 12], [13, 14, 15], [16, 17, 18]], [[19, 20, 21], [22, 23, 24]

我有大量的数据： >>> len(b) 6636849 >>> print(b) [['60D19E9E-4E2C-11E2-AA9A-52540027E502' '100015361'] ['60D19EB6-4E2C-11E2-AA9A-52540027E502' '100015385'] ['60D19ECE-4E2C-11E2-AA9A-52540027E502' '100015409'] ..., ['8CC90633-447E-11E6-

我有一组光谱图作为numpy阵列。有没有办法让我找到他们的抽样率？我没有任何其他信息，例如原始声音文件 你能添加代码吗？@kmario23那是什么代码？；-）库比克斯如果你真的什么都不知道，我不明白你怎么能做出任何推断。难道你至少不知道轴，例如频率范围吗？你可以尝试使用普通采样率重新转换为wav文件。如果声音是可识别的，你可能能够“分辨”出正确的频率。@PaulPanzer我指的是OP已经尝试过的代码。@kmario23只是开玩笑而已。你看，考虑到OP描述的基本困难，他们怎么可能编写任何代码呢？

我需要从一个大小约为200k x 200k的实对称稀疏双精度矩阵中提取最低值，例如，30个特征值及其特征向量。我知道它很大（如果是8字节的双倍，大约310GB），但我有足够的内存。完全对角化是疯狂的。你能给我指一下有哪些软件包/库可以进行适当的特征值/特征向量提取吗？感谢您抽出时间。在SO上，寻求图书馆推荐是不合适的。也许我可以给你一些建议，告诉你应该使用什么样的算法

我有以下等式： 其中v，mu为| R^3，其中σ为| R^（3x3），其中结果为标量值。在numpy实现这一点没有问题： result = np.transpose(v - mu) @ Sigma_inv @ (v - mu) 现在我有一堆v向量（我们称它们为v\in | R^3xn），我会 喜欢以矢量化的方式执行上述等式，以便 结果我在| R^1xn中得到一个新的向量结果 # pseudocode Result = np.zeros((n, 1)) for i,v in V: Re

我正在尝试使用numpy在python中计算矩阵z（定义如下） 这是我当前的解决方案（使用1作为循环） 是否有可能将此计算完全矢量化？我需要对数千次迭代进行这种计算，numpy中的矩阵运算要比大型for循环快得多。这是E的矢量化版本。它将循环和标量运算替换为基于和数组的运算： def alt_E(x): x = x[:, None] z = pi * (np.exp(-lamb) * (lamb**x)) / special.factorial(x) denom = z

以下是我的猫和狗图像识别代码： import numpy as np from sklearn.svm import SVC from sklearn.model_selection import train_test_split filename= 'catdog_datasets.txt' filename1= 'catdog_datasets.txt' raw_data = open(filename, 'rt') raw_data1 = open(filename1, 'rt') #

我有两个数组，我希望创建一个额外的数组，它将复制两个数组中的一些值： a = np.array([1,-2,-3,-3]) b = np.array([-2,1,-3,-2]) 希望得到： np.array([1,1,-3,-2]) 我只是想把两个数组中的值1放到另一个数组中。复制负数并不重要，因为负数会被掩盖。感谢@shridhar-r-kulkarni询问更多细节，而不是简单地否决投票。它激发了我的思考，使我能把它解决 a = np.array([1,-2,-3,-3]) b = np.

我使用numpy来制作一个使用np.zeros（（x，y））的零矩阵 但我的笔记本上写着这是内存错误。 注意：我的x是92106，y是241071 我想这是因为这些大的值，我得到了一个错误。有什么方法可以解决这个错误吗？或者基本上可以处理这个错误？正如Alex在评论中更新的，您的RAM没有足够的内存来处理如此大的数组，Numpy不是最佳选择。您可以使用稀疏矩阵来创建这样的数组。有一种方法可以做到这一点 from scipy.sparse import dia_matrix import nump

在下面的代码中，转置起作用 b = numpy.arange(4,3) print(b[1:3,-1:) print(b[1:3,-1:].shape) print(b[1:3,-1:].T) print(b[1:3,-1:].T.shape) 在以下情况下，转置不起作用 b = numpy.arange(4,3) print(b[1:3,-1) print(b[1:3,-1].shape) print(b[1:3,-1].T) print(b[1:3,-1].T.shape) 根据是使用范

起点是m维向量值函数 , 其中，输入也是一个n维向量： 此函数的输入和输出是numpy向量。这个函数计算起来很昂贵，所以我需要一个近似值/插值 是否存在一个numpy/scipy函数，该函数在任意尺寸m，n的x的给定值附近返回近似值，例如泰勒展开 所以本质上，我要求对scipy.interpolate.approximate_taylor_多项式进行推广，因为我也对近似的二次项感兴趣 在scipy.interpolate中，向量值x似乎有一些选项，但仅针对标量函数，但仅在函数的m个分量上循环不

我不明白为什么会出现这个错误。SyntaxError:位置参数跟在关键字参数后面。错误指向以下代码中的行SLSQP_result=optimize.minimize（lambda x:obj（x[0]，x[1]，x[2]，x[3]，x[4]，x[5]，x[6]，x[7]，x[8]，x[9]），method='SLSQP'，initial_guess，bounds=bnds，constraints=cons） obj = lambdify([A,Iz,Iy,J,kz,ky,Zc,Yc,Zg,Yg]

当计算a时，由于缺乏浮点精度，x的小值或大值将分别返回0和1。在numpy中，函数将以更高的精度计算x的极值exp（x）-1。但是，不存在计算exp（x）+1（sigmoid函数中的分母）的等效函数。我不知道如何使用np.expm1在极值处计算精度更高的乙状结肠。有没有办法做到这一点 1/(np.exp(-20)+1)==1.0 #False 1/(np.exp(-50)+1)==1.0 # True np.expm1减少了在取两个几乎相等的数字之间的差时发生的显著性损失（因为许多重要位置将相

假设我有以下numpy矩阵： array([[ 1., 1., 1.], [ 1., 1., 1.], [ 1., 1., 1.]]) 我想把这个矩阵的大小调整为4x4，并用0填充缺失的值 我想要的是： array([[ 1., 1., 1., 0.], [ 1., 1., 1., 0.], [ 1., 1., 1., 0.], [ 0., 0., 0., 0.]) array([[ 1

我有以下代码： import cv2 im = cv2.imread("0.jpg") print(len(im.tobytes())) fp = open("0.jpg", 'rb') imb = fp.read() print(len(imb)) 他们是不同的！现在有一个函数以“imb”格式作为输入。但我只有“im”。我必须使用cv2.imwrite命令写入磁盘，然后使用fp.read（）？ 有没有更快的办法 我使用mxnet图像进行解码。imdecode将“imb”作为输入。但我得到的是

我开始使用scipy.sparse库，当我尝试应用scipy.sparse.linalg.svds时，如果有零个奇异值，我会得到一个错误 我这样做是因为最后我将使用非常大和非常稀疏的矩阵，其条目只有{+1，-1}，它们是而不是正方形（>1100*1000大小，稀疏度>0.99），我想知道它们的秩。 我大致知道秩是什么，它几乎是满的，所以只有知道最后的奇异值才能告诉我秩到底是什么 这就是为什么我选择使用scipy.sparse.linalg.svds并设置which='LM'。如果秩未满，则会出现

NumPy的特征向量解不同于Wolfram Alpha和我的手工计算 导入numpy.linalg >>>将numpy作为np导入 >>>numpy.linalg.eig（np.array（[[-2，1]，[2，-1]]）） （数组（[-3,0.]），数组（[-0.70710678，-0.4472136]， [ 0.70710678, -0.89442719]])) Wolfram Alpha和我个人的计算给出了特征向量（-1,1）和（2,1）。然而，NumPy解决方案有所不同 然而，NumP

我想创建一批具有多个通道的零图像，每个图像有一个给定的像素，值为1 如果图像仅按通道数编制索引，则以下代码可以很好地完成此工作： num_channels = 3 im_size = 2 images = np.zeros((num_channels, im_size, im_size)) # random locations for the ones pixels = np.random.randint(low=0, high=im_size,

我想找出图片列表的平均值。此图像列表的尺寸为（1000,30,30）。每当我用numpy.mean表示这个列表时，我只得到一个奇异值，但我想找到每个图像的平均值。有没有一种方法可以让我使用numpy。是指列表中的单个图像，以便它返回（1000，1），而不是（1）？将numpy作为np导入 a=#你的数组在这里 np.平均值（a，轴=1） axis=（1,2）可能更好

我想得到使用Tensorflow中的“嵌入列”创建的numpy向量 例如，创建示例DF： sample_column1 = ["Apple","Apple","Mango","Apple","Banana","Mango","Mango","Banana","Banana"] sample_column2 = [1,2,1,3,4,6,2,1,3] ds = pd.DataFrame(sample_column1,columns=["A"]) ds["B"] = sample_column2 d

以下数组中的值等于查找索引 lookup = np.array([60, 40, 50, 60, 90]) 最大值为90 所以，结果的第一个元素是4 这样, 预期结果=数组（[4,2,0,4,4,4,4,4,4,0]） 如何得到它 我试着： a = np.array([1, 2, 0, 4, 3, 2, 4, 2, 0]) b = np.array([0, 1, 2, 3, 3, 4, 1, 2, 1]) c = np.array([4, 2, 1, 4, 4,

当我运行命令conda时，我收到以下错误： Conda不被认为是内部或外部命令可操作程序或批处理文件在几乎所有情况下，解决方案都是环境变量（我已经将其添加到C:\Users\*me*\Anaconda3\Scripts），但这里的情况不同： 我最近安装了Anaconda，主要是因为Spyder。它已经运行了一段时间了，但是当我安装AstroQuery时，调试器给了我一个错误：\uuuInit\uuuuuuuuuuuuuuuuu不是一个NumPy方法（我记不清了）。我试图用谷歌搜索来解决这个问题。

给定数组： np.array([[1, 2], [3, 4], [5, 6], [7, 8], [9, 10]]) 如果要将标记1处的行移动到标记3。 输出应为： [[1, 2], [5, 6], [7, 8], [3, 4], [9, 10]] [[1, 2], [9, 10], [3, 4], [5, 6], [7, 8]] 如果我想将标记4处的行移动到标记1。 输出应为： [[1, 2],

我无法编译此代码： 将numpy导入为np 进口麻木 从numba导入jit、浮点64、复数128 输入数学 @jit（complex128[：]（float64，float64[：]，float64）） def GaborWavelet（ω，t，Gabor_系数）： c1=0.3251520240633*数学平方比（ω） c2=-0.5*Gabor_系数 c3=ω*0.187390625129278 res=np.array（c2*（t*c3）**2，dtype=np.complex128）

我正在用Numba做实验，试图加速我正在研究的联合查找算法。下面是一些示例代码。当我用一些样本数据进行实验时，我无法理解Numba似乎提出的抱怨类型 从numba导入jit 将numpy作为np导入 索引=np.arange（8806806，数据类型=np.int64） 大小=np.ones（8806806，数据类型=np.int64） 连接的组件=8806806 @jit（npython=True） def根目录（p:int）->int: 而p！=指数[p]： 指数[p]=指数[p]] p=指

最近，我观看了一段来自NeuralNine频道的关于创建AI聊天机器人的视频，我观看了视频，模糊地理解了代码，我是一名编码新手，并不了解所有内容，但我成功地解决了我自己出现的多个问题，然而，训练代码并不能使机器人变得更智能，我本质上想要一种方法来加载之前的训练模型，然后再次运行代码并提高每次的准确性。然而，目前它似乎只是覆盖了以前的培训模型，而没有改进自身（我想如果我错了，请纠正我），我只是看不到任何代码正在覆盖并使模型“chatbotmodel.h5”更智能。 以下是“我的”（NeuralNi

我在nsolve中遇到一些问题，很难找到一些函数的解决方案来进行一些初步猜测。然后我想尝试numpy/scipy解算器 下面是一个使用Symphy的程序，它可以很好地解决这个问题：[0.0，-9.05567e-72，9.42477，3.14159] from sympy import * # Symbols theta = Symbol('theta') phi = Symbol('phi') phi0 = Symbol('phi0') H0 = Symbol('H0') # Constant

我有一个数值的numpy数组，还有一个缩放因子列表，我想按每个列向下缩放数组中的每个值 values = [[ 0, 1, 2, 3 ], [ 1, 1, 4, 3 ], [ 2, 1, 6, 3 ], [ 3, 1, 8, 3 ]] ls_alloc = [ 0.1, 0.4, 0.3, 0.2] # convert values into numpy array import numpy as np na_values = np.

如果我创建以下对齐的Numpy数组 import numpy as np import tables as pt numrows = 10 dt = np.dtype([('date', [('year', '<i4'), ('month', '<i4'), ('day', '<i4')]), ('apples', '<f8'), ('oranges', '|S7'), ('pe

我不太清楚这是numpy bug还是pandas bug还是我的用户错误。 谁能澄清一下。。。 我的工作是使用字符串来实现唯一性，但我经常遇到这些问题…建议的工作实践是否值得，例如始终设置UTC 所以我希望unique返回一个天真的datetime，而不是解释为本地的 import pandas as pd d=pd.DataFrame({'a':['2014-10-12','2014-10-11']}) d['b']=pd.to_datetime(d.a) print d print d['b

这是我的第一个Numpy项目，我真的不知道我做错了什么。我想将csv中的日期字段从“2015-08-04 02:14:05.249392”转换为“2015-08-04”。我真的不明白这个错误。有人能告诉我我做错了什么吗 这是数据 2015-08-04 2:14:05.249392,AA,0.0193103612,0.0193515212,0.0249713335,30.6542480634,30.7195875454,39.640763021,0.2131498442,29.0406746589

当我们需要计算双梯度或海森梯度时，在tensorflow中，我们可以使用tf.hessians（F（x），x），或者使用tf.gradient（tf.gradients（F（x），x）[0]，x）[0]。但是，当x不是秩1时，当使用tf.hessians（）时，我被告知以下错误 ValueError:无法计算Hessian，因为xs的元素0没有 排名第一。。张量模型_输入/操作：0必须具有秩1。 接收秩2，形状（？，1） 在以下代码中： with tf.name_scope("1st scope

我有一个大小为MxN的布尔型numpy矩阵。 然后我有一个行sx2的数组B，每行包含一对坐标x，y。我想找到矩阵A的坐标列表，其索引包含在数组A中，其值等于True。 我尝试使用此命令，但它返回一个三维数组，我不明白为什么： intersections = A[A[B] == True] IIUC您可以使用元组版本或切片版本索引到A和B，以获得B中有效坐标的掩码，如下所示- mask = A[tuple(B.T)] #or A[B[:,0], B[:,1]] 然后，将有效坐标索引到B中- o

我正在尝试使用插入raspi的USB麦克风获取实时音频的fft图。当通过fft图检测到特定频率时，我希望能够激活LED。到目前为止，我一直试图只绘制一个现场声波，但我遇到了麻烦。我看了这个视频： 我曾尝试将区块大小更改为更大的值和更低的值，但没有成功。由于某种原因，我得到了-9981错误，但打印错误需要很长时间。不显示任何绘图。我甚至试过超频我的覆盆子圆周率，看看是否会工作，但它仍然不工作 我想知道是否有人在他们的Pi上尝试过类似的东西，这是否可能，或者我是否必须使用pyaudio以外的其他软件

\uuuuu数组\uuuu方法允许自定义类型自动转换为numpy。例如： >>> class Convertible: ... def __array__(self): ... return np.zeros(7) >>> np.array(Convertible()) array([ 0., 0., 0., 0., 0., 0., 0.]) 不幸的是，如果自定义类型出现在序列中，\uuuuuuuuuuuuuuuuuuuuuuuuuuuu

在scipy ODE系统中，我需要解决哪些问题： 显然，如果A是可逆的，那么我可以等价地求解： 使用scipy.integrate中的标准方法。但仍然存在以下问题：效率如何？如果A是单数且不能反转怎么办？是fun线性的吗？一般来说不是，但在我遇到的大多数问题中，它实际上是K*y+fIn的形式。一般情况下，你基本上有一个受代数约束的ODE集。在您的特定形式中，这个问题在控制文献中称为描述符系统。A和K的特征值起作用，例如，参见微分代数方程组scipy没有DAE解算器，您必须检查其他软件包，如D

我正在用岭回归创建一个随机梯度下降函数。我在1800次迭代中保持步长不变，然后将其更改为1/n或1/sqrt（n）。当我使用1/sqrt（n）时，我的损失在减少并且几乎收敛。然而，当我使用1/n时，我的损失减少，然后开始增加！谁能帮帮我吗。下面是SGC的代码，也是我用来计算每次更新后整个批次损失的函数 def stochastic_grad_descent_steptrial(x,y,thetha,alpha,num_iter,lambda_reg): loss_log=[]

我用这个函数来计算两个向量a，b之间的距离，大小为300，word2vec，我得到“热”和“冷”之间的距离等于1 如何将这个值（1）加到一个向量上，因为我只想到new_vec=model['hot']+1，但是当我计算距离时（new_vec，model['hot']）=17 我希望dist（a，c）会给我1 你应该回顾一下是什么。在numpy的情况下，默认使用L-2范数（也称为欧几里德范数）。将1添加到向量时，调用是将1添加到向量中的所有元素 >> vec1 = np.random.

我不明白为什么我的切片操作不起作用。我的意图是将切片[：：2]应用于a的每个子数组，以便x的大小为（3，5），但事情并没有按照预期进行 a = np.arange(0,30) a.shape = (3, -1) x = a[:][::2] a : array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9], [10, 11, 12, 13, 14, 15, 16, 17, 18, 19], [20, 21, 22, 2

有人知道tensorflow对np.lib.stride\u tricks.as\u stride方法的实现是什么吗？当我简单地包含这个numpy库时，不会创建图形。不，事实上，文档中提到： TensorFlow不支持跨步，所以transpose返回一个新的张量，其中包含已排列的项 因此，不仅您无法操纵步幅，而且在NumPy中“免费”的操作在TensorFlow中也会变得昂贵。请尝试以下“tf.提取图像\u补丁”方法，它可能会满足您的需要。 有关使用方法，请参阅tensorflow文档。这太不幸

我需要将图像编码为16UC1格式，但收到错误： cv_bridge.core.CvBridgeError:编码指定为16UC1，但映像具有不兼容的类型32FC1 我尝试使用skimage函数img\u作为uint，但由于我的图像值不在-1和1之间，因此无法工作。我还试图通过将所有值除以从np.amax获得的值来“规范化”我的值，但使用skimage函数只返回一个空白图像 有没有办法实现这种转变 这是numpy的原始版本，您应该能够： import numpy as np img = np.ran

给出了绘制此图的一些代码 import scipy.stats as ss import numpy as np import matplotlib.pyplot as plt x = np.arange(-10, 11) xU, xL = x + 0.5, x - 0.5 prob = ss.norm.cdf(xU, scale = 3) - ss.norm.cdf(xL, scale = 3) prob = prob / prob.sum() #normalize the probabi

在下面的例子中，数学点积使用什么numpy函数 定义样本（2,3）数组： 按元素乘法： In [301]: dldx*w Out[301]: array([[0. , 0.2, 0.6], [0. , 0. , 0. ]]) 最后一个轴（大小3）上的求和生成一个2元素数组： In [302]: (dldx*w).sum(axis=1) Out[302]: array([0.8, 0. ]) 您的（6）是第一项，删除0。有人可能会说，在（5）中使用点/内点有点草率 np.

我想执行下一个单元 d=0.85 矩阵大小=单词图形状[0] B=（1-d）*np.ones（（矩阵大小，1）） 已解决=np.linalg.solve（文字和图形，B） 打印（已解决） 然后，会话崩溃。。我该怎么办