Note——torch.size() umr_maximum() array.max() itertools.product()
torch.size
Problem
TypeError: ‘torch.Size’ object is not callable
Reason Analysis
torch.Size函数不可调用
因为torch只可以.size()
或
shape
Solution
将y.shape()替换为y.size()
或
y.shape
y+=torch.normal(0,0.01,y.size())
2
return umr_maximum(a, axis, None, out, keepdims, initial, where)
Problem
ValueError: zero-size array to reduction operation maximum which has no identity
Reason Analysis
数组“array”的“size”为0，所以无法进行计算；
umr_maximum()函数
array.max()函数
Solution
出错:
array.max()
具体原因:
“array”的size为0了，于是元素的个数为0，因而就不存在最大值
在调试时，可以先对数据的规范性进行验证
验证数组array的size是否为0
assert array.size != 0
itertools.product()
Formula
itertools.product(*iterables, repeat=1)
product 用于求多个可迭代对象的笛卡尔积(Cartesian Product)
它跟嵌套的 for 循环等价.
即:
product(A, B)
和
((x,y) for x in A for y in B)
的效果是一样的
本质essence：
先合成一个元组再组成list
Param
- iterables 是可迭代对象
- repeat指定 iterables 重复几次
即:
product(A,repeat=3)等价于product(A,A,A)
For example
import itertools
A = [1, 2, 3]
B = ['A', 'B', 'C']
for i in itertools.product(A,B):print(i)
直接使用
分别生成元组，然后合成一个list
import itertools
a = itertools.product(['A','B','C'], ['D','E'])
b = list(a)
#按照顺序生成笛卡尔积，repeat默认为1
print(a,'\n','\n')
print(b)set param
repeat=3
a = list(itertools.product(['A','B','C'], ['D','E'], repeat=3))
print(a)
此list长度为216
在不设置 repeat 参数的时候，默认是1，生成的list长度时6 —— permutation and combination
3*2=6种
当设置 repeat=3 时，也就是说将 repeat=1（默认）的结果再重复2次后（也就是最后一共有3套一样的第一层结果）
从第一个结果（6种结果）取出一个元素的可能有6种
同理，从第二第三个重复结果中取出一个元素的可能各有6种，
So, 666=216种。
others
- 如果要从列表中随机取出几个不重复的元素的话
（原来的列表本身元素不重复），可用 random.sample 方法。
import random
random.seed(1)
#设置随机数种子，可用来检测相同的随机数得到的结果是否一致n = 2
aa = random.sample(a, n)
#随机从列表中取出n个元素
print(aa)
- 生成随机的坐标，另一种生成随机坐标的方法
random_list = list(itertools.product(range(1,4), range(1,2)))
# itertools.product([1,2,3],[1])
print(random_list)n = 2
aa = random.sample(random_list, n)
#随机取出列表中的n个元素
print(aa)