首先要声明,图片的算法有很多,如JPEG算法,SVD对图片的压缩可能并不是最佳选择,这里主要说明SVD可以降维 相对于PAC(主成分分析),SVD(奇异值分解)对数据的列和行都进行了降维,左奇异矩阵可以用于行数的压缩.相对的,右奇异矩阵可以用于列数即特征维度的压缩,也就是我们的PCA降维. 一张二维n*m的灰度图片可以看做是n*m的矩阵,利用SVD可以实现对二维图像的压缩 1.按照灰度图片进行压缩: #-*- coding: utf-8 -* import numpy as np from PI
Today we have learned the Matrix Factorization, and I want to record my study notes. Some kownledge which I have learned before is forgot...(呜呜) 1.Terminology 单位矩阵:identity matrix 特征值:eigenvalues 特征向量:eigenvectors 矩阵的秩:rank 对角矩阵:diagonal matrix 对角化矩阵
线程是操作系统层面的“并行”, 协程是应用程序层面的“并行”. 协程本质上就是:提供一个环境,保存一些需要等待的任务,当这些任务可以执行(等待结束)的时候,能够执行.再等待的过程中,程序可以执行别的任务. asyncio是python3.4版本引入到标准库因此要注意python版本 我的python环境 Python (v3. , ::) [MSC v. bit (Inte l)] on win32 Type "help", "copyright", "c