如果您对字符串格式不能正确处理四舍五入的NumpyFloat32？感兴趣，那么本文将是一篇不错的选择，我们将为您详在本文中，您将会了解到关于字符串格式不能正确处理四舍五入的NumpyFloat32？的

如果您对字符串格式不能正确处理四舍五入的 Numpy Float32？感兴趣，那么本文将是一篇不错的选择，我们将为您详在本文中，您将会了解到关于字符串格式不能正确处理四舍五入的 Numpy Float32？的详细内容，我们还将为您解答字符串的格式不够标准明确的相关问题，并且为您提供关于'AttributeError：'numpy.float32'对象没有属性'ctypes'、/ image / Tensor Tensor（“ activation_5 / Softmax：0”，shape =（?, 4），dtype = float32）处的ValueError不是此图的元素、float32 between (0, 1) 无线传输优化、Julia Flux 错误：MethodError：没有方法匹配 *(::Chain{Tuple{Conv{2,4,typeof(identity),Array{Float32,4},Array{Float32,1}},var"#13#15" }}, ::Int64)的有价值信息。

• 字符串格式不能正确处理四舍五入的 Numpy Float32？（字符串的格式不够标准明确）
• 'AttributeError：'numpy.float32'对象没有属性'ctypes'
• / image / Tensor Tensor（“ activation_5 / Softmax：0”，shape =（?, 4），dtype = float32）处的ValueError不是此图的元素
• float32 between (0, 1) 无线传输优化
• Julia Flux 错误：MethodError：没有方法匹配 *(::Chain{Tuple{Conv{2,4,typeof(identity),Array{Float32,4},Array{Float32,1}},var"#13#15" }}, ::Int64)

字符串格式不能正确处理四舍五入的 Numpy Float32？（字符串的格式不够标准明确）

如何解决字符串格式不能正确处理四舍五入的 Numpy Float32？

当将格式字符串与 Numpy 32 float 和 Numpy.round() 一起使用时，我不小心遇到了这种奇怪的行为。重现：

score=0.7827188774

npf32_score_rounded=np.round(np.float32(0.7827188774),4)
score_rounded=np.round(score,4)

print(f" {npf32_score_rounded}")
print(f" {score_rounded}")

print(npf32_score_rounded)
print(score_rounded)

#0.7827000021934509 expect to get 0.7827
#0.7827
#0.7827 # without string format,it works as expected
#0.7827

这种行为是正常的还是应该修复？

Numpy 版本 == 1.20.2

Python 版本 == 3.8.0

解决方法

import numpy as np

val = 0.7827188774

np_float_32 = np.round(np.float32(val),4)
assert type(np_float_32) == np.float32

np_float_64 = np.round(val,4)
assert type(np_float_64) == np.float64

# just calling print,no issues
print(np_float_32,np_float_64) # 0.7827 0.7827

# both str and repr work as intended
print(str(np_float_32),str(np_float_64)) # 0.7827 0.7827
print(repr(np_float_32),repr(np_float_64)) # 0.7827 0.7827

# behavior described by OP
print(f''{np_float_32} {np_float_64}'') # 0.7827000021934509 0.7827

# f-string without format specification calls obj.__format__('''')
# see https://github.com/numpy/numpy/blob/v1.20.2/numpy/core/src/multiarray/scalartypes.c.src#L273
# explicit conversion to python float
print(float(np_float_32),float(np_float_64)) # 0.7827000021934509 0.7827

'AttributeError：'numpy.float32'对象没有属性'ctypes'

如何解决''AttributeError：''numpy.float32''对象没有属性''ctypes''

我试图根据从左上，右上等顺序排列的点来计算图像的尺寸。因此，我以后可以执行4点透视变换和变形。 （使用opencvSharp和numpy.net）

我想从中获取最大宽度和最大高度作为整数 ndarray，但此时它抛出 “ Python.Runtime.PythonException：''AttributeError：''numpy.float32''对象没有属性''ctypes''

不太确定如何作为一个新手来解决这个问题，这是我第一次使用此OpencvSharp和numpy.NET。

ndarray rect = OrderPoints(pts);
            // 4 Points order from top-left top- right etc..
            ndarray tL = rect[0],tR = rect[1],bR = rect[2],bL = rect[3];
      

                           // width of new image
            ndarray w1 = ((bR[0] - bL[0]) * (bR[0] - bL[0])) + ((bR[1] - bL[1]) * (bR[1] - bL[1])); // quietly throws exception here 
            ndarray w2 = ((tR[0] - tL[0]) * (tR[0] - tL[0])) + ((tR[1] - tL[1]) * (tR[1] - tL[1]));

             w1 = np.sqrt(w1);
             w2 = np.sqrt(w2);

            // get max width as an interger

             int[] width1 = w1.GetData<int>(); // same error blows up here
            int[] width2 = w2.GetData<int>();

            int maxWidth = Math.Max(width1[0],width2[0]);
          


            ndarray h1 = ((tR[0] - bR[0]) * (tR[0] - bR[0])) + ((tR[1] - bR[1]) * (tR[1] - bR[1]));
            ndarray h2 = (tL[0] - bL[0]) * (tL[0] - bL[0]) + (tL[1] - bL[1]) * (tL[1] - bL[1]);

           h1 = np.sqrt(h1);
            h2 = np.sqrt(h2);

            int[] height = h1.GetData<int>();
            int[] height2 = h2.GetData<int>();


            int maxHeight = Math.Max(height[0],height2[0]);

            // make a top - down view
            var dst = np.array(
                  new[,] {
                     { 0,0},{maxWidth - 1,0 },maxHeight - 1 },{0,maxHeight - 1 }
                      });
            
              var rectPts = rect.GetData<Point2f>();
               var dstarray = dst.GetData<Point2f>();


             Mat matr = Cv2.GetPerspectiveTransform(rectPts,dstarray);
            Mat output = new Mat();
            Cv2.WarpPerspective(image,output,matr,new Size(maxWidth,maxHeight)); 

            return output;

解决方法

int width1 = (int)float.Parse(w1.repr);
int width2 = (int)float.Parse(w2.repr);

/ image / Tensor Tensor（“ activation_5 / Softmax：0”，shape =（?, 4），dtype = float32）处的ValueError不是此图的元素

我正在构建图像处理分类器，并且此代码是用于预测整个代码正在运行的图像的图像类的API，但此行除外（pred =
model.predict_classes（test_image）），此API在Django框架中进行并且正在使用python 2.7

如果我像往常一样运行此代码（无需制作API），这一点就可以完美运行

def classify_image(request):if request.method == ''POST'' and request.FILES[''test_image'']:    fs = FileSystemStorage()    fs.save(request.FILES[''test_image''].name, request.FILES[''test_image''])    test_image = cv2.imread(''media/''+request.FILES[''test_image''].name)    if test_image is not None:        test_image = cv2.resize(test_image, (128, 128))        test_image = np.array(test_image)        test_image = test_image.astype(''float32'')        test_image /= 255        print(test_image.shape)    else:        print(''image didnt load'')    test_image = np.expand_dims(test_image, axis=0)    print(test_image)    print(test_image.shape)    pred = model.predict_classes(test_image)    print(pred)return JsonResponse(pred, safe=False)

答案1

您的test_image和tensorflow模型的输入不匹配。

# Your image shape is (, , 3)test_image = cv2.imread(''media/''+request.FILES[''test_image''].name)if test_image is not None:    test_image = cv2.resize(test_image, (128, 128))    test_image = np.array(test_image)    test_image = test_image.astype(''float32'')    test_image /= 255    print(test_image.shape)else:    print(''image didnt load'')# Your image shape is (, , 4)test_image = np.expand_dims(test_image, axis=0)print(test_image)print(test_image.shape)pred = model.predict_classes(test_image)

以上仅为假设。如果要调试，我想您应该打印图像大小并与模型定义的第一个布局进行比较。并检查尺寸（宽度，高度，深度）是否匹配

float32 between (0, 1) 无线传输优化

如何解决float32 between (0, 1) 无线传输优化

我正在寻找一种优化 float32 值的方法，该值仅包含来自 (0,1) 的无线传输值。

因为在我的情况下所有值都是正的，我已经修剪了符号位，但现在我需要一些帮助

我认为，我的下一步将是修剪所有 Fraction 尾随零，然后以某种方式优化 Exponent 部分

但我不太确定，也许对于相同的情况已经存在一些位级优化，因为使用 float32 在 (0,1) 之间存储值是非常普遍的做法

数据完整性和纠错与我的情况无关

解决方法

float to_float = (float) value / (float) UINT16_MAX

Julia Flux 错误：MethodError：没有方法匹配 *(::Chain{Tuple{Conv{2,4,typeof(identity),Array{Float32,4},Array{Float32,1}},var"#13#15" }}, ::Int64)

using Flux
using Flux:@functor
function ConvBlock(inc,out,k,s,p,use_act)
    return Chain(
        Conv((k,k),inc=>out,stride = s,pad = p,bias=true),use_act ? x -> leakyrelu.(x,0.2) : x -> x
    )
end
mutable struct DenseResidualBlock
    residual_beta
    blocks
end

@functor DenseResidualBlock

function DenseResidualBlock(inc,c = 32,residual_beta = 0.2)
    blocks = []
    for i in 0:4
        in_channels = inc + c*i
        out_channels = i<=3 ? c : inc
        use_act = i<=3 ? true : false
        push!(blocks,ConvBlock(in_channels,out_channels,3,1,use_act))
    end

    return DenseResidualBlock(residual_beta,blocks)
end

function (m::DenseResidualBlock)(x) 
    new_inputs = x
    local out,new_inputs
    for block in m.blocks
        out = block(new_inputs)
        new_inputs = cat(new_inputs,dims=3)
    end
    return m.residual_beta * out + x
end

function DenseResidualBlock(inc;c = 32,residual_beta = 0.2)

function DenseResidualBlock(inc,c = 32,residual_beta = 0.2)