python中的除法运算 |
您所在的位置:网站首页 › smarty框架 › python中的除法运算 |
![]() 介绍过python矩阵的乘法运算,numpy库中虽然乘法是矩阵运算的主要运算,但是numpy作为python中实现矩阵运算的好工具,也是可以轻松实现除法计算的,本文python中矩阵除法的三种实现方法:1、x/y计算对应元素相除(矩阵点除);2、np.devide()计算对应元素相除(矩阵点除);3、借助乘法np.mat方法处理。 方法一:x/y计算对应元素相除(矩阵点除)import numpy as np a = np.array([4,2,3]) b = np.array([2,5,7]) f = a/b print(“除%s” % f) 方法二:np.devide()计算对应元素相除(矩阵点除)import numpy as np a=np.array([[1.,2.],[3.,4.]]) c=np.divide(a,a) #矩阵点除 print(“[矩阵点除]divide(a,a)=\n”,c) A=np.mat([[1.,2.],[3.,4.]]) C=np.divide(A,A) #矩阵点除 print(“[矩阵点除]divide(A,A)=\n”,C) 方法三:借助乘法np.mat方法处理import numpy as np a = np.asmatrix(np.ones([2,3])) b = np.asmatrix(np.ones([3,3])) b[1,1] = 5 b[0,2]=3 b[2,2] = 2 print(b) print(a,b.I) 以上就是python矩阵中各种除法的计算,希望能对你有所帮助哦~更多python学习推荐:python教程。 Original: https://blog.csdn.net/weixin_42521628/article/details/114412621Author: 宋昕冉Title: python中的除法运算_python中矩阵除法运算的三种实现方法 相关阅读 Title: Python Flask基本使用以及与Pytorch整合Flask为Python WEB框架,类似于Java的SpringMVC,Struts等,其作用是提供HTTP服务,可以通过浏览器访问并返回html(被浏览器解析为网页内容),json,xml等数据 ![]() 一、引入相关模块及模块详解 引入flask相关模块: fromflask importFlask, render_template,request Flask:为web框架核心模块 request:接受HTTP请求的传参(GET,POST) render_template:Flask框架的模板引擎(数据直接通过控制器映射到html模板中,类似于php的smarty框架),如果只返回json数据则无需引入 二.初始化Flask app = Flask(name) #初始化Flask,并将对象赋值给app ifname == ‘main‘: app.run(host= “0.0.0.0”, port=80,debug = True) #当程序启动是运行run方法开启http服务器并绑定到80端口 三、定义一个路由向浏览器返回字符串,并测试浏览器传参 @app.route(‘/gainEntityByContext’) defgainEntityByContext(): print(request.args(“name”)) #客户端get传参 return ‘Hello, World!’ 四.返回json数据 @app.route(“/upContent”) defupContent(): data = [ { ‘a’: 1, ‘b’: 2, ‘c’: 3, ‘d’: 4, ‘e’: 5 } ] returnjson.dumps(data) 五.加入html模板 @app.route(“/testtemp”) deftestTemp(): returnrender_template(‘test.htm’, name= “测试”) 六.与pytorch结合,完成对深度学习模型的使用 @app.route(“/loadlinear”) defloadLinear(): md = torch.load(basepath+request.args[‘mdname’]) x_data = np.linspace(-2, 2, 200)[:, np.newaxis] x_data = x_data.reshape(-1,1) x_data = torch.FloatTensor(x_data) y_data = md(x_data) plt.plot(x_data, y_data.data.numpy(), ‘r-‘) imgurl = ‘static/’+request.args[‘mdname’]+ “.png” plt.savefig(imgurl) returnrender_template(‘loadtest.htm’, url=imgurl,name= “测试模型加载”) 七.全部代码 fromflask importFlask, render_template,requestimporttorchimportjsonimportnumpy asnpimportmatplotlib.pyplot aspltapp = Flask(name)basepath = “modeldata/”@app.route(‘/gainEntityByContext’)defgainEntityByContext():print(request.args(“name”))return ‘Hello, World!’@app.route(“/upContent”)defupContent():data = [ { ‘a’: 1, ‘b’: 2, ‘c’: 3, ‘d’: 4, ‘e’: 5 } ]returnjson.dumps(data)@app.route(“/loadlinear”)defloadLinear():md = torch.load(basepath+request.args[‘mdname’])x_data = np.linspace(-2, 2, 200)[:, np.newaxis]x_data = x_data.reshape(-1,1)x_data = torch.FloatTensor(x_data)y_data = md(x_data)plt.plot(x_data, y_data.data.numpy(), ‘r-‘)imgurl = ‘static/’+request.args[‘mdname’]+ “.png”plt.savefig(imgurl)returnrender_template(‘loadtest.htm’, url=imgurl,name= “测试模型加载”)@app.route(“/testtemp”)deftestTemp():returnrender_template(‘test.htm’, name= “测试”)ifname == ‘main‘:app.run(host= “0.0.0.0”, port=80,debug = True) 文章来源:https://www.ixiera.com Original: https://blog.csdn.net/guoqiang125689/article/details/121288812Author: 羲和时代Title: Python Flask基本使用以及与Pytorch整合 原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/324350/ 转载文章受原作者版权保护。转载请注明原作者出处! |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |