pyhton中表达式 1800 / 6 的计算结果是 ？

来源：蜘蛛抓取(WebSpider) 时间：2022-05-05 08:35 标签： python中tuple的用法

点击上方“小白学视觉”，选择加"星标"或“置顶” 

重磅干货，第一时间送达
本文内容概述如何安装PyTorch以及PyTorch的一些简单操作



这里选择All Users，一步一步操作即可

由于pytorch有不同的版本，为了方便使用不同的版本，我们新建不同的环境（类比建造房屋，一个房屋放一个版本的pytorch），用来安装现有版本的pytorch

从修改方式的角度划分：

2. 修改自身数据，x.add_(y)，运算结果存在x中，x被修改

创建Tensor的常用方法

常用的tensor修改形状的函数 

* size（） 计算张量属性值，与shape等价

  1. 同样返回数据量相同的但形状不同的Tensor，若满足view条件，则不会copy，若不满足，就copy 

 

 
 
#也可以根据广播机制手动配置
 
 

 
# 将t限制在【0,1】之间
 
 

 
# 沿着y轴方向累加，dim=0,并保留含1的维度










2.5.1 自动求导的要点

  1. 创建叶子节点的Tensor，使用requires_grad指定是否需要对其进行操作

  2. 自动赋予grad_fn属性，表示梯度函数。

  3. 执行backward()函数后，保存到grad属性中了。计算完成，非叶子节点梯度会自动释放

  4. backward()函数接收参数，维度相同。

  5. 反向传播的中间缓存会被清空，如果需要多次反向传播，需指定backward中的retain_graph=True  多次反向传播时，梯度累加

  6. 非叶子节点的梯度backward 调用后即被清空

x,w,b为变量；y,z是计算得到的变量，不是叶子节点

  1. 定义叶子节点及算子节点

  2. 查看叶子节点、非叶子节点的其他属性

  3. 自动求导，实现梯度方向传播，也就是梯度的反向传播

（1）定义叶子节点及算子节点

（2）查看叶子节点、非叶子节点的其他属性

# 查看各节点是否为叶子节点 # 查看非叶子节点的grad_fn属性

（3）自动求导，实现梯度方向传播，也就是梯度的反向传播 

# 基于张量z进行求导，执行backward后计算图会自动清空
# 查看叶子节点的梯度，x是叶子节点但是无需求导，故梯度为None
# 非叶子节点的梯度，执行backward后会自动清空

2.5.4 非标量的反向传播 

 
 

 张量对张量的求导转换成标量对张量的求导
 
 

 
 

 
 
# (1)定义叶子节点及计算节点
# 定义叶子节点张量x，形状为1x2
# 初始化目标张量，形状1x2
# 定义y与x之间的映射关系
# 生成y1对x的梯度
# 梯度是累加的，所以需要对x的梯度清零
# 生成y2对x的梯度
# 显示雅克比矩阵的值
 

 


 
 

 给出一个数组x，基于表达式y=3x^2+2，加上一些噪声数据到达另一组数据y
 
 

 构建一个机器学学模型，学习y=wx^2+b中的2个参数，w和b，利用x，y数据为训练数据
 
 
## （1）导入所需要的库
## （2）生成随机数据x及目标y
# 设置随机种子，生成同一份数据，方便多种方法比较
## (4)初始化权重参数
 # 使用梯度下降法，使得loss最小
 

 


 
 
# （1） 导入所需要的库
# (2)生成训练数据，并可视化数据分布情况
# 生成x坐标数据，x为tensor，需要把x的形状转换为100x1
# 生成y坐标数据，y为tensor，形状为100x1，加上一些噪声
 # 前向传播，定义损失函数
 # 手动更新参数，使用torch.no_grad(),使上下文切断自动求导计算
# (5)可视化训练结果
 

 


 

 

 在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
 


 

 下载2：Python视觉实战项目52讲
 


 

 在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。
 


 

 


 

 在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。
 


 

 

 欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~

在 Python 中你会写大量的表达式。表达式由运算符和操作数组成。像 2+3 就是一个表达式。

运算符是一些符号，它告诉 Python 解释器去做一些数学或逻辑操作。一些基本的数学操作符如下所示：

只要有任意一个操作数是浮点数，结果就会是浮点数。

进行除法运算时若是除不尽，结果将会是小数，这很自然，如果要进行整除，使用 // 运算符，它将返回商的整数部分。

1.1. 整数运算示例

在开始获得用户输入的天数，然后获得月份数和天数，最后把这些数打印出来。你可以使用更容易的办法。

divmod(num1, num2) 返回一个元组，这个元组包含两个值，第一个是 num1 和 num2 相整除得到的值，第二个是 num1 和 num2 求余得到的值，然后我们用* 运算符拆封这个元组，得到这两个值。

你可以使用下面的运算符实现关系运算。

B and C 不会解析 C 。作用于一个普通的非逻辑值时，短路运算符的返回值通常是能够最先确定结果的那个操作数。

关系运算可以通过逻辑运算符 and 和 or 组合，比较的结果可以用 not 来取反意。逻辑运算符的优先级又低于关系运算符，在它们之中，not 具有最高的优先级，or 优先级最低，所以 A

0

通常我们书写表达式的时候，会在每一个运算符左右都放一个空格，这样使代码更可读，如：

一个用于展示表达式的例子，注意其中运算符的优先级。

第一个计算的是 x，步骤如下：

由于括号的存在，y 和 z 的计算方式不同，你可以自己去验证它们。

我们可以手动的执行类型转换。

这个程序用来求解二次方程式：

这个程序计算以为数码相机销售人员的工资。他的基本工资是 1500，每售出一台相机他可以得到 200 并且获得 2% 的抽成。程序要求输入相机数量及月销售总额。

除了数值运算，关系和逻辑运算也是程序的重要组成部分。另外 Python 是强类型语言，所以必要的时候需要手动进行类型转换。

我要回帖

更多关于 python中tuple的用法 的文章

 

随机推荐