dim | 易学教程

多个excel合并成一个

阅读更多关于多个excel合并成一个

使用方法： 1.同一个路径下新建一个excel 2.开发工具 -> 查看代码 -> 点击sheet1 -> 输入下面的代码 -> F5 运行 3.合并成功 *.xls合并 Sub 合并当前目录下所有工作簿的全部工作表 ( ) Dim MyPath, MyName, AWbName Dim Wb As Workbook, WbN As String Dim G As Long Dim Num As Long Dim BOX As String Application.ScreenUpdating = False MyPath = ActiveWorkbook.Path MyName = Dir ( MyPath & "\" & " *.xls ") AWbName = ActiveWorkbook.Name Num = 0 Do While MyName <> " " If MyName <> AWbName Then Set Wb = Workbooks.Open(MyPath & " \ " & MyName) Num = Num + 1 With Workbooks(1).ActiveSheet .Cells(.Range(" B65536 ").End(xlUp).Row + 2, 1) = Left(MyName, Len(MyName) - 4) For G = 1 To

解读ODB++文件--续集

阅读更多关于解读ODB++文件--续集

首先祝大家新年快乐. 先上效果图. 这里主要是增加了,框选放大效果.这其中就用到了WIN32的API 实现的橡皮线功能. 部分代码如下: Protected Overrides Sub OnMouseDown ( ByVal e As MouseEventArgs ) MyBase .OnMouseDown ( e ) Dim g As Graphics = Me .CreateGraphics ( ) Dim hdc As IntPtr = g.GetHdc ( ) m_Step + = 1 SetROP2 ( hdc , 10 ) If m_Step = 1 Then m_StartX = e.X m_Start_Y = e.Y m_EndX = e.X m_EndY = e.Y ElseIf m_Step = 2 Then If Math. Abs ( m_StartX - m_EndX ) > Math. Abs ( m_Start_Y - m_EndY ) Then scale = Me .Width / Math. Abs ( m_StartX - m_EndX ) Else scale = Me .Height / Math. Abs ( m_Start_Y - m_EndY ) End If gMap = Me .CreateGraphics ( ) gMap.

BI学习之一创建一个简单的Olap多维数据集的展现

阅读更多关于 BI学习之一创建一个简单的Olap多维数据集的展现

项目背景　　'博客园'是一家国内的大型日化用品,生活用品生产,销售公司,它的一部分销售是放在淘宝网上进行的,在淘宝网上这家公司有多个网店，线下有系统对每个网店的销售数据通过淘宝API进行抓取保存，用于每周,月出销售情况的报表.由于报表设计到多个方面，每一次有新的搭配或者比较的话就必须让程序人员修改代码，增加修改报表的内容 .现在，'博客园'想通过数据分析人员自己来控制想得到的数据报表，想到什么，得到什么，并且能多角度，多层面的对数据进行分析. 使用BI数据分析与传统报表的比较　　　　从上面这个比较图可以看出，右边的olap数据展示的话，操作者可以通过手动拖拽树中的度量值，KPI，维度使右边图片及表格动态变化，图片和表格能根据自己的需求进行点击(钻取)查看得到更细的,想要关注的报表,我们可以看到，olap数据分析让我们知道了目前是这样，还能知道为什么是这样，以及以往到如今，甚至未来的发展趋势 BI中的基本概念介绍(结合Analysis Services) 维度(Dimension) : 　　维度理解为数据的属性，是我们分析数据的角度，比如分析公司在全国各地的各种商品的销售情况，那么商品类别，地区，店铺等就是维度,维度中包含层级，比如说地区，省和省(湖北省,湖南省..)之间就是水平层及，省下面有市和县等,比如湖北省->恩施市->来凤县,这就是垂直层级

calendar日历控件实例！

阅读更多关于 calendar日历控件实例！

<%@ Page Language="vb" Debug="true" %> <%@ import namespace="system.drawing"%> <html><head> <script language="vb" runat="server"> '声明一个数组用与储存一年中的节日 dim holidays(12,31) as string dim y,m,s,j as integer sub page_load(sender as object,e as eventargs) '将具体的节日名存入数组 holidays(1,1)="元旦" holidays(2,20)="春节" holidays(3,8)="妇女节" holidays(5,1)="劳动节" holidays(5,4)="青年节" holidays(6,1)="儿童节" holidays(7,1)="建党节" holidays(8,1)="建军节" holidays(9,10)="教师节" holidays(9,28)="中秋节" holidays(10，1)="国庆节" holidays(12，25)="圣诞节" '用指定图形来显示选择月份和星期的标志 calendar1.selectmonthtext="选全月" 'calendar选择月份的标签 calendar1.selectweektext=

torch.nn.functional.normalize详解

阅读更多关于 torch.nn.functional.normalize详解

torch.nn.functional.normalize torch.nn.functional.normalize(input, p=2, dim=1, eps=1e-12, out=None) 功能：将某一个维度除以那个维度对应的范数(默认是2范数)。 v = v max ⁡ ( ∥ v ∥ p , ϵ ) v = \frac{v}{\max(\lVert v \rVert_p, \epsilon)} v = max ( ∥ v ∥ p , ϵ ) v 主要讲以下三种情况：输入为一维 Tensor a = torch . Tensor ( [ 1 , 2 , 3 ] ) torch . nn . functional . normalize ( a , dim = 0 ) tensor ( [ 0.2673 , 0.5345 , 0.8018 ] ) 可以看到每一个数字都除以了这个 Tensor 的范数： 1 2 + 2 2 + 3 2 = 3.7416 \sqrt{1^2+2^2+3^2}=3.7416 1 2 + 2 2 + 3 2 = 3 . 7 4 1 6 输入为二维 Tensor b = torch . Tensor ( [ [ 1 , 2 , 3 ] , [ 4 , 5 , 6 ] ] ) torch . nn . functional .

Pytorch中tensor常用语法

阅读更多关于 Pytorch中tensor常用语法

我把常用的Tensor的数学运算总结到这里，以防自己在使用PyTorch做实验时，忘记这些方法应该传什么参数。总结的方法包括： Tensor求和以及按索引求和：torch.sum() 和 torch.Tensor.indexadd() Tensor元素乘积：torch.prod(input) 对Tensor求均值、方差、极值：torch.mean() 、 torch.var() 、 torch.max() 、 torch.min() 求Tensor的平方根倒数：torch.rsqrt(input) 求Tensor的线性插值： torch.lerp(star,end,weight) 求Tensor的\双曲正切：torch.tanh(input, out=None) 元素求和 torch.sum(input) → \rightarrow → Tensor 返回输入向量input中所有元素的和。参数： input (Tensor) - 输入张量例子： torch.sum(input, dim, keepdim=False, out=None) → \rightarrow → Tensor 返回新的张量，其中包括输入张量input中指定维度dim中每行的和。若keepdim值为True，则在输出张量中，除了被操作的dim维度值降为1，其它维度与输入张量input相同。否则

Pytorch学习--创建、索引、维度变换、数学运算、统计属性

阅读更多关于 Pytorch学习--创建、索引、维度变换、数学运算、统计属性

文章目录 Pytorch数据类型 dim = 1 各个维度的区分：创建Tensor 随机初始化索引与切片维度变换 Broadcast 拼接与拆分数学运算统计属性 dim与keepdim 高级操作 Pytorch数据类型 IntTensor FloatTensor 需要注意，没有string对应的数据类型，可以用one-hot或者embedding支持。放置在GPU上时，数据类型存在区别，如: torch.FloatTensor (CPU) 与 torch.cuda.FloatTensor (GPU) isinstance 检验合法性 data = data.cuda() 可以搬运到GPU torch.tensor(1.0) 表示标量常量是0维向量。 .shape 是成员， .size() 是方法。 dim = 1 torch.tensor([1.1]) 直接指定数据 torch.FloatTensor(2) 指定维度，dim=1,size=2 常用于bias的表示。 dim = 2 的样例： a = torch.randn(2,3) 各个维度的区分：如果是两行两列的tensor，则 dim() = 2; size() / shape = [2,2] ; a.numel() = 4 dim即size()的长度。创建Tensor torch.from_numpy(a)

第一篇CSDN博客

阅读更多关于第一篇CSDN博客

(小白进阶中) 课设题目：创建多维数组 ##要求： 1创建整数型多维数组，各维下标是给出任意整数开始的连续整数 2 给出下标能找出该下标对应的数 3能对给出的下标对应的元素赋值 4能对给出的子数组赋值 ##代码示例 #include<stdarg.h> #include <stdio.h> #include <stdlib.h> #include <malloc.h> #define MaxDim 5 typedef struct{ int dim, //数组维数 *upper, //数组上界的指针 *lower, //数组下界的指针 *constants, //数组映像函数常量表 *data, //数组元素内容 num, //数组总个数 pis; //元素在数组中位置如五维数组各维上界为5,下界为0 }NArray; NArray A; void Open() //用户选择界面 { printf("☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆欢迎使用☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆"); printf(" ☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆ \n"); printf(" 多维数组生成器\n"); printf(" ☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆ \n"); printf(" 功能选项:\n"); printf(" 1.定义一个整型多维数组.\n"); printf(" 2

xDeepFM架构理解及实现

阅读更多关于 xDeepFM架构理解及实现

本文主要是为了讲解xDeepFM的框架，及如何用tensorflow去实现主干部分，如果需要直接拆箱可用，可以参考: xDeepFM ，我的部分代码也来自于其中，这边主要是和大家一起对比着看下，xDeepFM到底做了哪些事情？我的工程实现代码等待我司项目上线稳定后开源。 XDeepFM到底extreme在哪里？首先，我在做论坛帖子推荐的时候遇到这么一个问题（问题真实，问题内容纯属虚构），用户A：带有如下标签[篮球、足球、健身]，用户B：带有如下标签[篮球，电脑，蔡徐坤]，在使用deepfm做精排的时候，常常会把A和B所看的内容互相推荐，很明显，A是运动达人，而B是二次元达人，这样推荐是存在很大问题的。我在处理的时候，采取了两种套路：改变Memorization为attention网络，强化feature直接的联系，让B中的电脑与蔡徐坤进行绑定，而不是让篮球电脑蔡徐坤进行混合绑定，让Memorization去记忆的时候进行权重倾斜 Memorization通常为低阶特征交互，那我就升高阶数，svm告诉我们，在越高的维度上我们越有可能把数据集进行越离散的切分，XDeepFM就相当于把DeepFM中的1维+2维，变成了1维+2维+(l+1)维特征组合 XDeepFM如何实现的？网上大多数版本都是甩出的正方体图+公式，我觉得很不清晰，这边就不贴了，我直接贴代码及解释： nn

AutoCAD开发6--修改高程

阅读更多关于 AutoCAD开发6--修改高程

1 '定义过滤器 2 3 Dim pType, pData 4 5 6 7 'BuildFilter pType, pData, 0, "BlockReference", 8, "GCD", 62, 3 '建立图层是JZD?颜色为绿色的多段线过滤器 8 9 10 11 12 13 BuildFilter pType, pData, 8, "GCD" 14 15 '定义选择集 16 17 18 19 Dim sset As AcadSelectionSet 20 21 Set sset = CreateSelectionSet 22 23 ' 24 25 26 27 '根据以上指定的过滤器建立选择集 28 29 30 31 sset.Clear 32 33 sset.Select acSelectionSetAll, , , pType, pData 34 35 36 37 Dim pEntity As Object 38 39 Dim pBlock As AcadBlockReference 40 41 Dim pAttr As Variant 42 43 44 45 Dim pCoords As Variant 46 47 48 49 For Each pEntity In sset 50 51 If pEntity.ObjectName =

订阅 dim