Numpy - 1.22.0 详细笔记
Numpy介绍
NumPy是Python中科学计算的基本包。它是一个Python库,提供了一个多维数组对象,各种派生对象(如屏蔽数组(masked arrays)和矩阵),以及用于对数组进行快速操作的各种例程,包括数学,逻辑,形状操作,排序,选择,I/O,离散傅里叶变换,基本线性代数,基本统计运算,随机模拟等等。
NumPy包的核心是ndarray对象。它封装了同构数据类型的n维数组,其中许多操作在编译的代码中执行以提高性能。NumPy数组和标准Python序列之间有几个重要的区别:
- NumPy数组在创建时具有固定大小,这与Python列表(可以动态增长)不同。更改ndarray的大小会创建一个新数组并删除原始数组。
- NumPy数组中的元素都需要具有相同的数据类型,因此内存大小相同。例外情况是:可以有(Python,包括NumPy)对象的数组,从而允许不同大小的元素的数组。
- NumPy数组有助于对大量数据进行高级数学和其他类型的操作。通常,与使用Python的内置序列相比,此类操作的执行效率更高,代码更少。
- 越来越多的基于Python的科学和数学包正在使用NumPy数组;虽然这些通常支持Python序列输入,但它们在处理之前将此类输入转换为NumPy数组,并且它们通常输出NumPy数组。换句话说,为了有效地使用当今许多(甚至可能是大多数)基于Python的科学/数学软件,仅仅知道如何使用Python的内置序列类型是不够的——还需要知道如何使用NumPy数组。
序列大小和速度在科学计算中尤为重要。作为一个简单的示例,考虑将一维序列中的每个元素与另一个长度相同的序列中的相应元素相乘的情况。如果数据存储在两个 Python 列表中,a 和 b,我们可以遍历每个元素:
c = []
for i in range(len(a)):c.append(a[i]*b[i])
这是正确的答案,但如果 a 和 b 都包含数百万个数字,我们将为 Python 中循环的低效率付出代价。 我们可以在 C 中通过编写来更快地完成相同的任务(为了清楚起见,忽略变量声明和初始化、内存分配等):
for (i=0; i<rows; i++):{c[i] = a[i] * b[i];
}
这节省了解释Python代码和操作Python对象所涉及的所有开销,但代价是牺牲了在Python中编码所获得的好处。此外,所需的编码工作随着我们数据的维度而增加。例如,在 2-D 数组的情况下,C 代码(像以前一样删节)扩展为:
for (i=0; i<rows; i++):{for (i=0; j<colcumns; j++):{c[i][j] = a[i][j] * b[i][j];}
}
NumPy为我们提供了两全其美的优势:当涉及ndarray时,逐个元素的操作是"默认模式",但逐个元素的操作是由预编译的C代码快速执行的。在 NumPy 中:
c = a * b
以接近C的速度做了前面的例子,但是由于代码的简单性,我们期望从基于Python的东西中得到。事实上,NumPy甚至更简单!最后一个例子说明了NumPy的两个功能,它们是其大部分功能的基础:矢量化和广播。
为什么NumPy很快?
矢量化描述了代码中没有任何显式循环,索引等 - 当然,这些事情只是在优化的,预编译的C代码中的"幕后"发生。矢量化代码具有许多优点,其中包括:
- 矢量化代码更简洁,更易于阅读
- 更少的代码行通常意味着更少的错误
- 代码更接近于标准数学符号(通常更容易正确编码数学构造)
- 矢量化导致更多的"Pythonic"代码。如果没有矢量化,我们的代码将充斥着低效且难以读取的for循环。
广播(Broadcasting)是用于描述操作的隐式逐个元素行为的术语;一般来说,在NumPy中,所有操作,不仅仅是算术运算,包括逻辑,位,函数等,都以这种隐式逐个元素的方式运行,即它们广播。此外,在上面的示例中,可以是相同形状的多维数组,也可以是标量和数组,甚至是两个具有不同形状的数组,前提是较小的数组可以扩展为较大的形状,从而使生成的广播是明确的。
NumPy快速入门
先决条件
需要了解一些Python。有关学习,可以参阅Python 3.10教程。
要处理这些下面这些示例,除了NumPy之外,还需要安装matplotlib。
对学习者
这是NumPy中数组的快速概述。它演示了 n 维 (n>=2) 数组的表示方式和操作方式。特别是,如果您不知道如何将常用函数应用于 n 维数组(不使用 for 循环),或者如果您想了解 n 维数组的轴和形状属性,本文可能会有所帮助。
学习目标
阅读本文后,应该能够:
- 了解NumPy中一维,二维和n维数组之间的区别;
- 了解如何在不使用 for 循环的情况下将一些线性代数运算应用于 n 维数组;
- 了解 n 维数组的轴和形状属性。
基础知识
NumPy的主要对象是同构多维数组。它是一个元素(通常是数字)表,所有元素都具有相同的类型,由非负整数元组索引。在NumPy中,维度称为轴。
例如,用于 3D 空间中点的坐标的数组[1, 2, 1]具有一个轴。该轴中有3个元素,因此我们说它的长度为3。在下面所示的示例中,数组有 2 个轴。第一个轴的长度为2,第二个轴的长度为3:
[[1. , 0. , 0.],[0. , 1. , 2.]]
NumPy 的数组类称为 ndarray,它的别名也叫数组。 请注意,numpy.array 与标准 Python 库类 array.array 不同,后者只处理一维数组并且提供的功能较少。 ndarray 对象更重要的属性是:
ndarray.ndim
数组的轴数(尺寸)。
ndarray.shape
数组的维度。 这是一个整数元组,表示每个维度中数组的大小。 对于具有 n 行和 m 列的矩阵,形状将为 (n,m)。 因此,元组的长度就是轴数 ndim。
ndarray.size
数组的元素总数。这等于ndarray.shape的元素的乘积。
ndarray.dtype
描述数组中元素类型的对象。可以使用标准Python类型创建或指定dtype。此外,NumPy还提供了自己的类型,numpy.int32、numpy.int16 和 numpy.float64 就是一些例子。
ndarray.itemsize
数组中每个元素的大小(以byte为单位)。 例如,float64 类型的元素数组的项目大小为 8 (=64/8),而 complex32 类型的一个元素的项目大小为 4 (=32/8)。 它相当于 ndarray.dtype.itemsize。
ndarray.data
包含数组的实际元素的buffer。通常我们不需要使用此属性,因为我们将使用索引工具访问数组中的元素。
示例
>>> import numpy as np
>>> a = np.arange(15).reshape(3, 5)
>>> a
array([[ 0, 1, 2, 3, 4],[ 5, 6, 7, 8, 9],[10, 11, 12, 13, 14]])
>>> a.shape
(3, 5)
>>> a.ndim
2
>>> a.dtype.name
'int64'
>>> a.itemsize
8
>>> a.size
15
>>> type(a)
<class 'numpy.ndarray'>
>>> b = np.array([6, 7, 8])
>>> b
array([6, 7, 8])
>>> type(b)
<class 'numpy.ndarray'>
创建Array
有几种方法可以创建数组。
例如,可以使用array函数从常规 Python 列表或元组创建数组。生成的数组的类型是从序列中元素的类型推导出来的。
>>> import numpy as np
>>> a = np.array([2, 3, 4])
>>> a
array([2, 3, 4])
>>> a.dtype
dtype('int64')
>>> b = np.array([1.2, 3.5, 5.1])
>>> b.dtype
dtype('float64')
常见的错误包括使用多个参数进行调用array,而不是提供单个序列作为参数。
>>> b = np.array(1, 2, 3, 4) # WRONG
Traceback (most recent call last):File "<stdin>", line 1, in <module>
TypeError: array() takes from 1 to 2 positional arguments but 4 were given
>>> a = np.array([1, 2, 3, 4]) # RIGHT
array将序列序列转换为二维数组,将序列序列序列转换为三维数组,等等。
>>> b = np.array([(1.5, 2, 3), (4, 5, 6)])
>>> b
array([[1.5, 2. , 3. ],[4. , 5. , 6. ]])
数组的类型也可以在创建时显式指定:
>>> c = np.array([[1, 2], [3, 4]], dtype=complex)
>>> c
array([[1.+0.j, 2.+0.j],[3.+0.j, 4.+0.j]])
通常,数组的元素最初是未知的,但其大小是已知的。因此,NumPy提供了几个函数来创建具有初始占位符内容的数组。这最大限度地减少了不断增长的阵列的必要性,这是一项昂贵的操作。
zeros函数创建一个充满零的数组,ones函数创建一个充满 1 的数组,empty函数创建一个数组,其初始内容是随机的,并且取决于内存的状态。默认情况下,所创建数组的 dtype为float64 ,但它可以通过关键字参数dtype指定。
>>> np.zeros((3,4))
array([[0., 0., 0., 0.],[0., 0., 0., 0.],[0., 0., 0., 0.]])
>>> np.ones((2,3,4), dtype=np.int16)
array([[[1, 1, 1, 1],[1, 1, 1, 1],[1, 1, 1, 1]],[[1, 1, 1, 1],[1, 1, 1, 1],[1, 1, 1, 1]]], dtype=int16)
>>> np.empty((2,3))
array([[1.5, 2. , 3. ],[4. , 5. , 6. ]])
为了创建数字序列,NumPy提供了类似于Python内置函数range的方法:arange,但返回一个数组。
>>> np.arange(10, 30, 5)
array([10, 15, 20, 25])
>>> np.arange(0, 2, 0.3) # 它接受float参数
array([0. , 0.3, 0.6, 0.9, 1.2, 1.5, 1.8])
当 arange 与浮点参数一起使用时,由于浮点精度有限,通常无法预测获得的元素数量。 出于这个原因,通常最好使用函数 linspace 接收我们想要的元素数量作为参数,而不是step:
>>> from numpy import pi
>>> np.linspace(0, 3, 9) # # 从0到3的9个数字
array([0. , 0.375, 0.75 , 1.125, 1.5 , 1.875, 2.25 , 2.625, 3. ])
>>> x = np.linspace(0, 2*pi, 100) # 在很多点评估函数很有用
>>> f = np.sin(x)
>>> f
array([ 0.00000000e+00, 6.34239197e-02, 1.26592454e-01, 1.89251244e-01,2.51147987e-01, 3.12033446e-01, 3.71662456e-01, 4.29794912e-01,4.86196736e-01, 5.40640817e-01, 5.92907929e-01, 6.42787610e-01,6.90079011e-01, 7.34591709e-01, 7.76146464e-01, 8.14575952e-01,8.49725430e-01, 8.81453363e-01, 9.09631995e-01, 9.34147860e-01,9.54902241e-01, 9.71811568e-01, 9.84807753e-01, 9.93838464e-01,9.98867339e-01, 9.99874128e-01, 9.96854776e-01, 9.89821442e-01,9.78802446e-01, 9.63842159e-01, 9.45000819e-01, 9.22354294e-01,8.95993774e-01, 8.66025404e-01, 8.32569855e-01, 7.95761841e-01,7.55749574e-01, 7.12694171e-01, 6.66769001e-01, 6.18158986e-01,5.67059864e-01, 5.13677392e-01, 4.58226522e-01, 4.00930535e-01,3.42020143e-01, 2.81732557e-01, 2.20310533e-01, 1.58001396e-01,9.50560433e-02, 3.17279335e-02, -3.17279335e-02, -9.50560433e-02,-1.58001396e-01, -2.20310533e-01, -2.81732557e-01, -3.42020143e-01,-4.00930535e-01, -4.58226522e-01, -5.13677392e-01, -5.67059864e-01,-6.18158986e-01, -6.66769001e-01, -7.12694171e-01, -7.55749574e-01,-7.95761841e-01, -8.32569855e-01, -8.66025404e-01, -8.95993774e-01,-9.22354294e-01, -9.45000819e-01, -9.63842159e-01, -9.78802446e-01,-9.89821442e-01, -9.96854776e-01, -9.99874128e-01, -9.98867339e-01,-9.93838464e-01, -9.84807753e-01, -9.71811568e-01, -9.54902241e-01,-9.34147860e-01, -9.09631995e-01, -8.81453363e-01, -8.49725430e-01,-8.14575952e-01, -7.76146464e-01, -7.34591709e-01, -6.90079011e-01,-6.42787610e-01, -5.92907929e-01, -5.40640817e-01, -4.86196736e-01,-4.29794912e-01, -3.71662456e-01, -3.12033446e-01, -2.51147987e-01,-1.89251244e-01, -1.26592454e-01, -6.34239197e-02, -2.44929360e-16])
打印Arrays
打印数组时,NumPy 以类似于嵌套列表的方式显示它,但具有以下布局:
最后一个轴从左到右打印,
倒数第二个从上到下打印,
其余部分也从上到下打印,每个切片与下一个切片之间用空行隔开。
然后将一维数组打印为行,将二维数组打印为矩阵,将三维数组打印为矩阵列表。
>>> a = np.arange(6) # 一维
>>> print(a)
[0 1 2 3 4 5]
>>>
>>> b = np.arange(12).reshape(4, 3) # 二维
>>> print(b)
[[ 0 1 2][ 3 4 5][ 6 7 8][ 9 10 11]]
>>>
>>> c = np.arange(24).reshape(2, 3, 4) # 三维
>>> print(c)
[[[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11]][[12 13 14 15][16 17 18 19][20 21 22 23]]]
有关reshape的更多详细信息,请参阅下文。
如果数组太大而无法打印,NumPy 会自动跳过数组的中心部分,只打印角:
>>> print(np.arange(10000))
[ 0 1 2 ... 9997 9998 9999]
>>>
>>> print(np.arange(10000).reshape(100, 100))
[[ 0 1 2 ... 97 98 99][ 100 101 102 ... 197 198 199][ 200 201 202 ... 297 298 299]...[9700 9701 9702 ... 9797 9798 9799][9800 9801 9802 ... 9897 9898 9899][9900 9901 9902 ... 9997 9998 9999]]
要禁用此行为并强制 NumPy 打印整个阵列,可以使用set_printoptions更改打印选项。
>>> import sys
>>> import numpy as np
>>> print(sys.maxsize)
9223372036854775807
>>> np.set_printoptions(threshold=sys.maxsize)
基本操作
数组上的算术运算符按元素逐个应用,创建一个新数组并用结果填充。
>>> a = np.array([20, 30, 40, 50])
>>> b = np.arange(4)
>>> b
array([0, 1, 2, 3])
>>> c = a - b
>>> c
array([20, 29, 38, 47])
>>> b**2
array([0, 1, 4, 9])
>>> 10 * np.sin(a)
array([ 9.12945251, -9.88031624, 7.4511316 , -2.62374854])
>>> a < 35
array([ True, True, False, False])
与许多矩阵语言不同,乘积运算符 * 在 NumPy 数组中按元素进行操作。 矩阵乘积可以使用 @ 运算符(在 python >=3.5 中)或 dot 函数或方法来执行:
>>> A = np.array([[1, 1], [0, 1]])
>>> B = np.array([[2, 0], [3, 4]])
>>> A * B # 元素乘积
array([[2, 0],[0, 4]])
>>> A @ B # 矩阵积
array([[5, 4],[3, 4]])
>>> A.dot(B) # 矩阵积
array([[5, 4],[3, 4]])
某些操作,例如 += 和 *=,会在适当的位置修改现有数组,而不是创建新数组。
>>> rg = np.random.default_rng(1) # 创建默认随机数生成器的实例
>>> a = np.ones((2, 3), dtype=int)
>>> b = rg.random((2, 3))
>>> a *= 3
>>> a
array([[3, 3, 3],[3, 3, 3]])
>>> b += a
>>> b
array([[3.51182162, 3.9504637 , 3.14415961],[3.94864945, 3.31183145, 3.42332645]])
>>> a += b # b 不会自动转换为整数类型
Traceback (most recent call last):File "<stdin>", line 1, in <module>
numpy.core._exceptions.UFuncTypeError: Cannot cast ufunc 'add' output from dtype('float64') to dtype('int32') with casting rule 'same_kind'
当处理不同类型的数组时,生成的数组的类型对应于更通用或更精确的数组类型(这种行为称为 upcasting,向上转型)
>>> import math
>>> a = np.ones(3, dtype=np.int32)
>>> b = np.linspace(0, math.pi, 3)
>>> b.dtype.name
'float64'
>>> c = a + b
>>> c
array([1. , 2.57079633, 4.14159265])
>>> c.dtype.name
'float64'
>>> d = np.exp(c * 1j)
>>> d
array([ 0.54030231+0.84147098j, -0.84147098+0.54030231j,-0.54030231-0.84147098j])
>>> d.dtype.name
'complex128'
许多一元运算,例如计算数组中所有元素的总和,都是作为 ndarray 类的方法实现的。
>>> a = rg.random((2, 3))
>>> a
array([[0.82770259, 0.40919914, 0.54959369],[0.02755911, 0.75351311, 0.53814331]])
>>> a.sum()
3.1057109529998157
>>> a.min()
0.027559113243068367
>>> a.max()
0.8277025938204418
默认情况下,这些操作适用于数组,就好像它是一个数字列表一样,无论其形状如何。 但是,通过指定轴参数,您可以沿数组的指定轴应用操作:
>>> b = np.arange(12).reshape(3, 4)
>>> b
array([[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11]])
>>> b.sum(axis=0) # 每列的总和
array([12, 15, 18, 21])
>>>
>>> b.min(axis=1) # 每行的最小值
array([0, 4, 8])
>>> b.cumsum(axis=1) # 沿每一行的累积总和
array([[ 0, 1, 3, 6],[ 4, 9, 15, 22],[ 8, 17, 27, 38]])
通用函数
NumPy 提供了熟悉的数学函数,例如 sin、cos 和 exp。 在 NumPy 中,这些被称为“通用函数”(ufunc)。 在 NumPy 中,这些函数对数组进行元素操作,生成一个数组作为输出。
>>> B = np.arange(3)
>>> B
array([0, 1, 2])
>>> np.exp(B) # e的矩阵元素次幂
array([1. , 2.71828183, 7.3890561 ])
>>> np.sqrt(B) # 矩阵元素开平方根
array([0. , 1. , 1.41421356])
>>> C = np.array([2., -1., 4.])
>>> np.add(B, C) # 矩阵元素求和
array([2., 0., 6.])
通用函数包括:
exp | sqrt | add | all | any |
apply_along_axis | argmax | argmin | argsort | average |
bincount | ceil | clip | conj | corrcoef |
cov | cross | cumprod | cumsum | diff |
dot | floor | inner | invert | lexsort |
max | maximum | mean | median | min |
minimum | nonzero | outer | prod | re |
round | sort | std | sum | trace |
transpose | var | vdot | vectorize | where |
索引、切片和迭代
一维数组可以被索引,切片和迭代,就像列表和其他Python序列一样。
>>> a = np.arange(10)**3
>>> a
array([ 0, 1, 8, 27, 64, 125, 216, 343, 512, 729], dtype=int32)
>>> a[2]
8
>>> a[2:5]
array([ 8, 27, 64], dtype=int32)
>>># 下面切片相当于a[0:6:2]
>>># 从0索引到6索引,每第2个元素为1000
>>> a[:6:2] = 1000
>>> a
array([1000, 1, 1000, 27, 1000, 125, 216, 343, 512, 729],dtype=int32)
>>> a[::-1] # a翻转
array([ 729, 512, 343, 216, 125, 1000, 27, 1000, 1, 1000],dtype=int32)
>>> for i in a:
... print(i**(1 / 3.))
...
9.999999999999998
1.0
9.999999999999998
3.0
9.999999999999998
5.0
5.999999999999999
6.999999999999999
7.999999999999999
8.999999999999998
如若内容造成侵权/违法违规/事实不符,请联系编程学习网邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
相关文章
- Web应用十大安全漏洞
Web应用十大安全漏洞 开放Web应用程序安全项目通过调查,列出了对Web应用的危害较大的10个安全问题,也是业界集中关注最严重的问题。主要包括:未验证参数、访问控制缺陷、账户及会话管理缺陷、跨网站脚本漏洞、缓冲区溢出、命令注入漏洞、错误处理问题、密…...
2024/3/7 5:44:27 - (74)C#里怎么样调用WIN API的函数时实现回调函数
(74)C#里怎么样调用WIN API的函数时实现回调函数 在C#里开发,当你调用WIN API函数或者自己定义的C++库时,需要给调用的函数设置一个回调函数,这时候又需要怎么样来实现呢? 在C#里显然使用委托函数来实现回调函数比较简单。 比如像下面的C++函数: BOOL EnumWindows(WND…...
2024/3/7 5:44:26 - ESP8266一直闪蓝灯,不停复位的解决办法
问题: 在一次下载中无意间将下载的文件选错,再次下载完成后就突然一直闪蓝灯,不停复位。这并不是ESP8266模组坏了。 解决办法: 1.我们平常下载程序选择eagle.flash.bin和eagle.irom0text.bin即可。 2.但是出现以上错误后&#x…...
2024/3/13 7:50:49 - 筷子(c++)
【问题描述】 A 先生有很多双筷子。确切的说应该是很多根,因为筷子的长度不一,很难判断出哪两根是一双的。这天,A 先生家里来了 K 个客人,A 先生留下他们吃晚饭。加上 A 先生,A 夫人和他们的孩子小 A,共 K…...
2024/3/7 5:44:24 - 在 Linux 中追加到内容的末尾
在本教程中,我们学习了在 Linux 中将文本附加到文件末尾的不同方法。您可以在 Linux 中使用多种方法来实现此目的,但最简单的一种是将命令输出重定向到所需的文件名。使用 >> 字符,您可以将任何命令的结果输出到文本文件。 其他可以实…...
2024/3/7 5:44:23 - 三星M8 智能显示器 评测
三星 M8 智能显示器,搭载 32 英寸 4K 屏,支持作为智能家居中控,以及云游戏。 三星M8 显示器的厚度为 11.4 毫米,三星称其厚度比之前的型号要薄得多。该显示器还配备磁吸的可移动 SlimFit 摄像头,可以连接到显示器进行视…...
2024/3/7 5:44:22 - Android - 更安全地保存静态密钥,androidble开发教程
在日常开发中我们经常需要保存一些私密的信息,例如加解密的密钥等等。这时候我们就要来考虑如何存储密钥了。先来简单介绍几种存储方式: Java硬编码方式 SharedPreferences存储 文件存储 数据库存储 以上几种存储方式是很不安全的,例如采…...
2024/3/7 5:44:21 - JAVA-list.stream()各种操作
List<Integer> list new ArrayList<Integer>(); 从小到大方法:Collections.sort(list); 从大到小方法:Collections.sort(list,Collections.reverseOrder()); stream获取list中的某个元素集合: List<Integer> agesstudentList.str…...
2024/3/7 5:44:20 - 关于404 Not Found [IP: 2001:67c:1560:8008::19 80]报错的个人解决方案
关于404 Not Found [IP: 2001:67c:1560:8008::19 80]报错的个人解决方案 解决方案: cd /etc/apt/sources.list.d 将此目录文件全部删除 正文 apt install xxx或apt update时 命中:1 http://packages.microsoft.com/repos/code stable InRelease 命中:2 https://mi…...
2024/3/7 5:44:19 - CTFHub - 信息泄露 -- HG泄露
跟前面svn差不多,只是这里用的是dvcs里的hg工具 ps:附上svn wp ./rip-hg.pl -v -u http://challenge-24f303b3736695ae.sandbox.ctfhub.com:10800/.hg这里发现flag.txt查看失败,放在网站里面试一下 得到flag...
2024/3/7 5:44:18 - Vladik and Complicated Book
题意给你一个 n 长数组 ,m 次排序 让你看看第x位的数组是否发生改变 l - r 之间的数从小到大排的 , 因此我们只要看当前数在排序的数字中排第几 ,就可以判定是否相等 #include"bits/stdc.h" #define ll long long #define pi pai…...
2024/3/7 5:44:17 - 二元运算符的运算符规则
一,整数运算 如果两个操作数有一个为long,则结果也为long. 没有long时,结果为int。即使操作数全为byte,short,结果也是int。 二,浮点运算 如果两个操作数有一个为double,则结果为double。 只有两个操作…...
2024/3/7 5:44:16 - GEEer成长日记五:Sentinel-2计算NDVI并逐月时间序列分析
前几期我们介绍了MODIS和LANDSAT8遥感影像的MDVI时间序列,其他数据也与此类似,大家根据实际情况修改即可。本期我们介绍Sentinel-2 Level-2A数据在时间序列方面的研究。 COPERNICUS/S2_SR 如果想深入了解这两个数据集,可以登录: https://s…...
2024/3/4 12:44:14 - siki学院首页仿写
这次的网页是跟着siki学院的视频写的,自认为网页技术不太行,所以专门利用假期的一段时间来学习一下,先上两张我的作品图 网页地址:siki学院首页仿写 在这次仿写中我学到了新的知识,特地整理出来,为了以后…...
2024/3/22 8:27:55 - ONES CTO 冯斌 | 敏捷思想是不确定时代的通行证
在企业级研发管理过程中,项目延期、成本超出预算、项目管理工具无法覆盖业务需求、软件质量差等难题,长期阻碍着企业更好更快地交付产品。尤其是当项目体量达到一定规模后,技术研发管理对于企业研发效能的提升,变得越来越重要。 …...
2024/3/4 12:44:12 - 【刷题记录】攻防世界-
(我本地的文件总是乱七八糟的。。就在这里记录了) level0 ida shiftF12看字符串,发现/bin/sh 有个叫callsystem的函数 大概是return2systemcall 现在去找找可以去溢出的地方 有几个函数 main 可以看到main 函数里有write和另一个函数 程序输出Hello, World\n 后会…...
2024/3/4 12:44:11 - 判断字符数组中是否所有的字符都只出现过一次(Java)
分享一个大牛的人工智能教程。零基础!通俗易懂!风趣幽默!希望你也加入到人工智能的队伍中来!请轻击http://www.captainbed.net package live.every.day.Programming.String;/*** 题目:* 判断字符数组中是否所有的字符…...
2024/3/7 5:44:15 - 展厅设计公司做到这几点才能作出好的展厅设计方案【勋宇博展】
1.了解企业的品牌形象和市场定位 展厅是企业的另一种企业形象,因此展厅所表达的信息和展示方式必须清楚地传达给设计师。从而使展厅设计能够更好地表达公司的业务。 2.展厅设计要独特 独特的展厅可以在市场上的许多展厅中脱颖而出,也可以吸引人们的注…...
2024/3/7 5:44:14 - GEEer成长日记四:Landsat8_SR计算NDVI并时间序列分析
前两次我们介绍了MODIS_NDVI和LANDSAT8_NDVI产品的时间序列,它们都是基于Landsat8_TOA影像制成的。实际工作中我们还需要通过LANDSAT8_SR影像进行NDVI时间序列分析,那么该怎么开展工作呢?本期我们就来介绍介绍。 下一期我们将介绍Sentinel-2数…...
2024/3/7 5:44:15 - Activity生命周期详解,一名毕业三年的女程序媛面试头条经验
//Activity 即将销毁时保存数据 } Override public void onRestoreInstanceState(Bundle savedInstanceState, PersistableBundle persistentState) { super.onRestoreInstanceState(savedInstanceState, persistentState); //Activity 重建或者恢复时候取出数据 } 五、…...
2024/3/7 5:44:13
最新文章
- Qt扫盲-QAssisant 集成其他qch帮助文档
QAssisant 集成其他qch帮助文档 一、概述二、Cmake qch例子1. 下载 Cmake.qch2. 添加qch1. 直接放置于Qt 帮助的目录下2. 在 QAssisant中添加 一、概述 QAssisant是一个很好的帮助文档,他提供了供我们在外部添加新的 qch帮助文档的功能接口,一般有两中添…...
2024/3/29 17:03:59 - 梯度消失和梯度爆炸的一些处理方法
在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言,在此感激不尽。 权重和梯度的更新公式如下: w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...
2024/3/20 10:50:27 - [创建型模型] 原型模式
一 介绍 原型设计模式,允许通过复制已有对象的实例,来创建新的对象,并且不需要显示的实例化过程。 目的是通过复制现有对象来创建新对象,从而减少了对象的实例化开销。(避免了一些数据的初始化,读取,加载数据,资源的…...
2024/3/29 16:33:05 - 第四章-生产者-顺序延迟批量消息发送
4.1 顺序消息 先引用一段官网对顺序消息的介绍 顺序消息是一种对消息发送和消费顺序有严格要求的消息。 对于一个指定的Topic,消息严格按照先进先出(FIFO)的原则进行消息发布和消费,即先发布的消息先消费,后发布的消息…...
2024/3/28 18:04:14 - [EFI]Lenovo Ideapad 530S-14IKB电脑 Hackintosh 黑苹果efi引导文件
硬件型号驱动情况主板 Lenovo Ideapad 530S-14IKB 处理器Intel i5 8250U✅已驱动内存8 GB DDR4 2400 MHz✅已驱动硬盘250 GB SSD M.2 PCI-E✅已驱动显卡Intel UHD Graphics 620✅已驱动声卡暂无更多详细信息✅已驱动网卡Realtek RTL8111✅已驱动无线网卡蓝牙DW1560 (BCM94352Z)…...
2024/3/26 1:49:54 - 【外汇早评】美通胀数据走低,美元调整
原标题:【外汇早评】美通胀数据走低,美元调整昨日美国方面公布了新一期的核心PCE物价指数数据,同比增长1.6%,低于前值和预期值的1.7%,距离美联储的通胀目标2%继续走低,通胀压力较低,且此前美国一季度GDP初值中的消费部分下滑明显,因此市场对美联储后续更可能降息的政策…...
2024/3/27 10:21:24 - 【原油贵金属周评】原油多头拥挤,价格调整
原标题:【原油贵金属周评】原油多头拥挤,价格调整本周国际劳动节,我们喜迎四天假期,但是整个金融市场确实流动性充沛,大事频发,各个商品波动剧烈。美国方面,在本周四凌晨公布5月份的利率决议和新闻发布会,维持联邦基金利率在2.25%-2.50%不变,符合市场预期。同时美联储…...
2024/3/24 20:11:25 - 【外汇周评】靓丽非农不及疲软通胀影响
原标题:【外汇周评】靓丽非农不及疲软通胀影响在刚结束的周五,美国方面公布了新一期的非农就业数据,大幅好于前值和预期,新增就业重新回到20万以上。具体数据: 美国4月非农就业人口变动 26.3万人,预期 19万人,前值 19.6万人。 美国4月失业率 3.6%,预期 3.8%,前值 3…...
2024/3/29 2:45:46 - 【原油贵金属早评】库存继续增加,油价收跌
原标题:【原油贵金属早评】库存继续增加,油价收跌周三清晨公布美国当周API原油库存数据,上周原油库存增加281万桶至4.692亿桶,增幅超过预期的74.4万桶。且有消息人士称,沙特阿美据悉将于6月向亚洲炼油厂额外出售更多原油,印度炼油商预计将每日获得至多20万桶的额外原油供…...
2024/3/29 16:26:39 - 【外汇早评】日本央行会议纪要不改日元强势
原标题:【外汇早评】日本央行会议纪要不改日元强势近两日日元大幅走强与近期市场风险情绪上升,避险资金回流日元有关,也与前一段时间的美日贸易谈判给日本缓冲期,日本方面对汇率问题也避免继续贬值有关。虽然今日早间日本央行公布的利率会议纪要仍然是支持宽松政策,但这符…...
2024/3/29 5:19:52 - 【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响
原标题:【原油贵金属早评】欧佩克稳定市场,填补伊朗问题的影响近日伊朗局势升温,导致市场担忧影响原油供给,油价试图反弹。此时OPEC表态稳定市场。据消息人士透露,沙特6月石油出口料将低于700万桶/日,沙特已经收到石油消费国提出的6月份扩大出口的“适度要求”,沙特将满…...
2024/3/28 17:01:12 - 【外汇早评】美欲与伊朗重谈协议
原标题:【外汇早评】美欲与伊朗重谈协议美国对伊朗的制裁遭到伊朗的抗议,昨日伊朗方面提出将部分退出伊核协议。而此行为又遭到欧洲方面对伊朗的谴责和警告,伊朗外长昨日回应称,欧洲国家履行它们的义务,伊核协议就能保证存续。据传闻伊朗的导弹已经对准了以色列和美国的航…...
2024/3/29 11:11:56 - 【原油贵金属早评】波动率飙升,市场情绪动荡
原标题:【原油贵金属早评】波动率飙升,市场情绪动荡因中美贸易谈判不安情绪影响,金融市场各资产品种出现明显的波动。随着美国与中方开启第十一轮谈判之际,美国按照既定计划向中国2000亿商品征收25%的关税,市场情绪有所平复,已经开始接受这一事实。虽然波动率-恐慌指数VI…...
2024/3/29 1:13:26 - 【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试
原标题:【原油贵金属周评】伊朗局势升温,黄金多头跃跃欲试美国和伊朗的局势继续升温,市场风险情绪上升,避险黄金有向上突破阻力的迹象。原油方面稍显平稳,近期美国和OPEC加大供给及市场需求回落的影响,伊朗局势并未推升油价走强。近期中美贸易谈判摩擦再度升级,美国对中…...
2024/3/29 8:28:16 - 【原油贵金属早评】市场情绪继续恶化,黄金上破
原标题:【原油贵金属早评】市场情绪继续恶化,黄金上破周初中国针对于美国加征关税的进行的反制措施引发市场情绪的大幅波动,人民币汇率出现大幅的贬值动能,金融市场受到非常明显的冲击。尤其是波动率起来之后,对于股市的表现尤其不安。隔夜美国股市出现明显的下行走势,这…...
2024/3/29 7:41:19 - 【外汇早评】美伊僵持,风险情绪继续升温
原标题:【外汇早评】美伊僵持,风险情绪继续升温昨日沙特两艘油轮再次发生爆炸事件,导致波斯湾局势进一步恶化,市场担忧美伊可能会出现摩擦生火,避险品种获得支撑,黄金和日元大幅走强。美指受中美贸易问题影响而在低位震荡。继5月12日,四艘商船在阿联酋领海附近的阿曼湾、…...
2024/3/24 20:11:18 - 【原油贵金属早评】贸易冲突导致需求低迷,油价弱势
原标题:【原油贵金属早评】贸易冲突导致需求低迷,油价弱势近日虽然伊朗局势升温,中东地区几起油船被袭击事件影响,但油价并未走高,而是出于调整结构中。由于市场预期局势失控的可能性较低,而中美贸易问题导致的全球经济衰退风险更大,需求会持续低迷,因此油价调整压力较…...
2024/3/29 9:57:23 - 氧生福地 玩美北湖(上)——为时光守候两千年
原标题:氧生福地 玩美北湖(上)——为时光守候两千年一次说走就走的旅行,只有一张高铁票的距离~ 所以,湖南郴州,我来了~ 从广州南站出发,一个半小时就到达郴州西站了。在动车上,同时改票的南风兄和我居然被分到了一个车厢,所以一路非常愉快地聊了过来。 挺好,最起…...
2024/3/29 0:49:46 - 氧生福地 玩美北湖(中)——永春梯田里的美与鲜
原标题:氧生福地 玩美北湖(中)——永春梯田里的美与鲜一觉醒来,因为大家太爱“美”照,在柳毅山庄去寻找龙女而错过了早餐时间。近十点,向导坏坏还是带着饥肠辘辘的我们去吃郴州最富有盛名的“鱼头粉”。说这是“十二分推荐”,到郴州必吃的美食之一。 哇塞!那个味美香甜…...
2024/3/24 20:11:15 - 氧生福地 玩美北湖(下)——奔跑吧骚年!
原标题:氧生福地 玩美北湖(下)——奔跑吧骚年!让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 啊……啊……啊 两…...
2024/3/27 7:12:50 - 扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!
原标题:扒开伪装医用面膜,翻六倍价格宰客,小姐姐注意了!扒开伪装医用面膜,翻六倍价格宰客!当行业里的某一品项火爆了,就会有很多商家蹭热度,装逼忽悠,最近火爆朋友圈的医用面膜,被沾上了污点,到底怎么回事呢? “比普通面膜安全、效果好!痘痘、痘印、敏感肌都能用…...
2024/3/24 20:11:13 - 「发现」铁皮石斛仙草之神奇功效用于医用面膜
原标题:「发现」铁皮石斛仙草之神奇功效用于医用面膜丽彦妆铁皮石斛医用面膜|石斛多糖无菌修护补水贴19大优势: 1、铁皮石斛:自唐宋以来,一直被列为皇室贡品,铁皮石斛生于海拔1600米的悬崖峭壁之上,繁殖力差,产量极低,所以古代仅供皇室、贵族享用 2、铁皮石斛自古民间…...
2024/3/26 11:21:23 - 丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者
原标题:丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者【公司简介】 广州华彬企业隶属香港华彬集团有限公司,专注美业21年,其旗下品牌: 「圣茵美」私密荷尔蒙抗衰,产后修复 「圣仪轩」私密荷尔蒙抗衰,产后修复 「花茵莳」私密荷尔蒙抗衰,产后修复 「丽彦妆」专注医学护…...
2024/3/28 18:26:34 - 广州械字号面膜生产厂家OEM/ODM4项须知!
原标题:广州械字号面膜生产厂家OEM/ODM4项须知!广州械字号面膜生产厂家OEM/ODM流程及注意事项解读: 械字号医用面膜,其实在我国并没有严格的定义,通常我们说的医美面膜指的应该是一种「医用敷料」,也就是说,医用面膜其实算作「医疗器械」的一种,又称「医用冷敷贴」。 …...
2024/3/28 12:42:28 - 械字号医用眼膜缓解用眼过度到底有无作用?
原标题:械字号医用眼膜缓解用眼过度到底有无作用?医用眼膜/械字号眼膜/医用冷敷眼贴 凝胶层为亲水高分子材料,含70%以上的水分。体表皮肤温度传导到本产品的凝胶层,热量被凝胶内水分子吸收,通过水分的蒸发带走大量的热量,可迅速地降低体表皮肤局部温度,减轻局部皮肤的灼…...
2024/3/28 20:09:10 - 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示,配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...
解析如下:1、长按电脑电源键直至关机,然后再按一次电源健重启电脑,按F8健进入安全模式2、安全模式下进入Windows系统桌面后,按住“winR”打开运行窗口,输入“services.msc”打开服务设置3、在服务界面,选中…...
2022/11/19 21:17:18 - 错误使用 reshape要执行 RESHAPE,请勿更改元素数目。
%读入6幅图像(每一幅图像的大小是564*564) f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...
2022/11/19 21:17:16 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...
win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面,在等待界面中我们需要等待操作结束才能关机,虽然这比较麻烦,但是对系统进行配置和升级…...
2022/11/19 21:17:15 - 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...
有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows,请勿关闭计算机”的提示,要过很久才能进入系统,有的用户甚至几个小时也无法进入,下面就教大家这个问题的解决方法。第一种方法:我们首先在左下角的“开始…...
2022/11/19 21:17:14 - win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...
置信有很多用户都跟小编一样遇到过这样的问题,电脑时发现开机屏幕显现“正在配置Windows Update,请勿关机”(如下图所示),而且还需求等大约5分钟才干进入系统。这是怎样回事呢?一切都是正常操作的,为什么开时机呈现“正…...
2022/11/19 21:17:13 - 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...
Win7系统开机启动时总是出现“配置Windows请勿关机”的提示,没过几秒后电脑自动重启,每次开机都这样无法进入系统,此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一:开机按下F8,在出现的Windows高级启动选…...
2022/11/19 21:17:12 - 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...
有不少windows10系统用户反映说碰到这样一个情况,就是电脑提示正在准备windows请勿关闭计算机,碰到这样的问题该怎么解决呢,现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法:1、2、依次…...
2022/11/19 21:17:11 - 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...
今天和大家分享一下win7系统重装了Win7旗舰版系统后,每次关机的时候桌面上都会显示一个“配置Windows Update的界面,提示请勿关闭计算机”,每次停留好几分钟才能正常关机,导致什么情况引起的呢?出现配置Windows Update…...
2022/11/19 21:17:10 - 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...
只能是等着,别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚,只能是考虑备份数据后重装系统了。解决来方案一:管理员运行cmd:net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...
2022/11/19 21:17:09 - 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办?
原标题:电脑提示“配置Windows Update请勿关闭计算机”怎么办?win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢?一般的方…...
2022/11/19 21:17:08 - 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机...
关机提示 windows7 正在配置windows 请勿关闭计算机 ,然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!关机提示 windows7 正在配…...
2022/11/19 21:17:05 - 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...
钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间:2020-04-20 22:24:19 浏览次数:729次 区域: 南阳 > 卧龙 列举网提醒您:为保障您的权益,请不要提前支付任何费用! 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于:钉钉,外勤365,红圈通,企业微信和…...
2022/11/19 21:17:05 - 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”,长时间没反应,无法进入系统的解决方案...
前几天班里有位学生电脑(windows 7系统)出问题了,具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面,长时间没反应,无法进入系统。这个问题原来帮其他同学也解决过,网上搜了不少资料&#x…...
2022/11/19 21:17:04 - 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办?...
本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法,并在最后教给你1种保护系统安全的好方法,一起来看看!电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中,添加了1个新功能在“磁…...
2022/11/19 21:17:03 - 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机怎么办...
许多用户在长期不使用电脑的时候,开启电脑发现电脑显示:配置windows更新失败,正在还原更改,请勿关闭计算机。。.这要怎么办呢?下面小编就带着大家一起看看吧!如果能够正常进入系统,建议您暂时移…...
2022/11/19 21:17:02 - 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以...
配置windows update失败 还原更改 请勿关闭计算机,电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容,让我们赶快一起来看一下吧!配置windows update失败 还原更改 请勿关闭计算机&#x…...
2022/11/19 21:17:01 - 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...
不知道大家有没有遇到过这样的一个问题,就是我们的win7系统在关机的时候,总是喜欢显示“准备配置windows,请勿关机”这样的一个页面,没有什么大碍,但是如果一直等着的话就要两个小时甚至更久都关不了机,非常…...
2022/11/19 21:17:00 - 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...
当电脑出现正在准备配置windows请勿关闭计算机时,一般是您正对windows进行升级,但是这个要是长时间没有反应,我们不能再傻等下去了。可能是电脑出了别的问题了,来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...
2022/11/19 21:16:59 - 配置失败还原请勿关闭计算机,配置Windows Update失败,还原更改请勿关闭计算机...
我们使用电脑的过程中有时会遇到这种情况,当我们打开电脑之后,发现一直停留在一个界面:“配置Windows Update失败,还原更改请勿关闭计算机”,等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢࿰…...
2022/11/19 21:16:58 - 如何在iPhone上关闭“请勿打扰”
Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...
2022/11/19 21:16:57