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

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！