好的,我一直在编写一些代码,这些代码从胡迪尼获取代表稀疏点数据的图像,并将其插值到可用的完整地图中。这一直运行得很好,除了现在我遇到了一些内存问题。我已经缩小了我用来预测()步骤的克里格算法中的内存问题。我尝试使用batch_size参数来限制内存消耗,但这很麻烦。lib\site-packages\sklearn\gaussian_process\gaussian_process for k in range/ batch
下面的代码是我尝试在Python3中对函数sin(x)从0到pi进行monte积分的尝试。我随机抽取10000次浮点数从0到pi,并执行monte积分的标准过程,并将10个结果的平均值进行更好的近似,我想知道是否有什么可以从时间或精度的角度来优化我的代码。import random return math.sin(n)
更清楚的是,下面是我想解决的问题的一个例子:
假设我有三个整数,比如10,28和13,它们包含在范围(10,28)中。10是最小可能值,28是最大可能值。我希望,作为输出,整数转换为范围(5,20)中的“相应”数字。在这个精确的例子中,10将转换为5,28到20,13转换为5到20之间的值,重新标度以保持比例不变。然后,将此值转换为整数。如何在python中实现这样的“重新标度”?我尝试了通常的计算(value/max of first range)*ma