Redian新闻
>
学习JOBS,做特立独行的创新者
avatar
学习JOBS,做特立独行的创新者# Chemistry - 化学
d*d
1
我觉得,红烧肉,还是我们江苏的做法简单好吃。
但是似乎目前流行的红烧肉,还是湖南红烧肉居多,做出来以后,颜色是红的,配以其
他素菜。我在毛家饭店吃过,口味还行,但是和我们江苏红烧肉来比,似乎略差一些。
但是具体怎么做的,我就不得而知了。
江苏红烧肉,讲究的是色香味俱全,肥而不腻,入口即化。汤浓,皮糯。先将我做江苏
红烧肉的做法公布如下:
1.取上好的五花肉。放在国内加上冷水,小火煮30-40分钟。到肉皮软烂,可以戳破为
止。
2.将煮好的肉取出,切成块,橡皮大小,一定要切得成长方形。且煤块肉上都需要连有
肉皮方好。
3.将切好的肉块放入锅中,中火加热。加入生姜,老抽,料酒翻炒。将颜色染红均匀为
止。
4.将翻炒好的肉里加上3个八角,冰糖10粒。如果没有冰糖,白糖2大勺也可。加上冷水
至淹没过猪肉。小火炖至水快烧干,汤变粘稠为止。
至此,一道鲜香可口,肥而不腻的江苏红烧肉就做好了。
avatar
m*k
2
现在怎么全世界到处check.
avatar
B*g
3
rt
avatar
n*7
5
平时主要用R,用过几次scipy统计包每次都出点大大小小的问题
最近几次如下
1. fit 一个distribution 参数,搜了一下,stack overflow上一哥们儿怎么都算不对
,后来发现是老版本bug,新版本才fix
2. 做binomial sampling,结果给出超大的数,结果发现是没有正确处理nan
3. 做chisquare,用0.11版发现chisquare([10,10,20,20])可以,
chisquare([10,10,20,20],[10,10,20,20])就不行,必须
chisquare(np.array([10,10,20,20]),np.array([10,10,20,20]))
这叫什么事?这个在0.14版也ok了
最近也开始用numpy,不知道是不是也是怎么buggy?
avatar
e*2
6
做官当如华盛顿,经商要学乔布斯
乔布斯偏科,逃学,辍学,反对慈善事业,对科研人员的尊重和强要求,对办公氛围的轻松化以及对自己产品的学术报告式样的广告!无一不是时代之经典!
其对产品潮流只把握以及其杰出的思想上的的创造性,让EVANS 感慨不已!
留此存照,让我们缅怀一代霸主!
avatar
c*u
7
口味这个东西,仁者见仁智者见智吧,未见得一种口味就一定好过另一种。

【在 d*****d 的大作中提到】
: 我觉得,红烧肉,还是我们江苏的做法简单好吃。
: 但是似乎目前流行的红烧肉,还是湖南红烧肉居多,做出来以后,颜色是红的,配以其
: 他素菜。我在毛家饭店吃过,口味还行,但是和我们江苏红烧肉来比,似乎略差一些。
: 但是具体怎么做的,我就不得而知了。
: 江苏红烧肉,讲究的是色香味俱全,肥而不腻,入口即化。汤浓,皮糯。先将我做江苏
: 红烧肉的做法公布如下:
: 1.取上好的五花肉。放在国内加上冷水,小火煮30-40分钟。到肉皮软烂,可以戳破为
: 止。
: 2.将煮好的肉取出,切成块,橡皮大小,一定要切得成长方形。且煤块肉上都需要连有
: 肉皮方好。

avatar
wy
8
你怎么知道

【在 B********g 的大作中提到】
: rt
avatar
x*g
9
好像不卖iPad笔记本和电视销量就不会下降一样。
肯定没学过GRE。。。

【在 f*****9 的大作中提到】
: Bestbuy总裁说Bestbuy的iPad销量挤掉了Bestbuy 50% 的笔记本销量,还令电视的销量
: 下滑!也
: 不知道Bestbuy是亏了还是赚了
: http://www.wired.com/gadgetlab/2010/09/best-buy-chief-ipad-cannibalizes-
: laptop-sales-by-50/

avatar
M*P
10
所以才0.11版。感觉R的用户群要大很多。

★ 发自iPhone App: ChineseWeb 7.8

【在 n******7 的大作中提到】
: 平时主要用R,用过几次scipy统计包每次都出点大大小小的问题
: 最近几次如下
: 1. fit 一个distribution 参数,搜了一下,stack overflow上一哥们儿怎么都算不对
: ,后来发现是老版本bug,新版本才fix
: 2. 做binomial sampling,结果给出超大的数,结果发现是没有正确处理nan
: 3. 做chisquare,用0.11版发现chisquare([10,10,20,20])可以,
: chisquare([10,10,20,20],[10,10,20,20])就不行,必须
: chisquare(np.array([10,10,20,20]),np.array([10,10,20,20]))
: 这叫什么事?这个在0.14版也ok了
: 最近也开始用numpy,不知道是不是也是怎么buggy?

avatar
n*g
11
就靠你给我们做过榜样了

【在 e****2 的大作中提到】
: 做官当如华盛顿,经商要学乔布斯
: 乔布斯偏科,逃学,辍学,反对慈善事业,对科研人员的尊重和强要求,对办公氛围的轻松化以及对自己产品的学术报告式样的广告!无一不是时代之经典!
: 其对产品潮流只把握以及其杰出的思想上的的创造性,让EVANS 感慨不已!
: 留此存照,让我们缅怀一代霸主!

avatar
a*z
12
zan

【在 d*****d 的大作中提到】
: 我觉得,红烧肉,还是我们江苏的做法简单好吃。
: 但是似乎目前流行的红烧肉,还是湖南红烧肉居多,做出来以后,颜色是红的,配以其
: 他素菜。我在毛家饭店吃过,口味还行,但是和我们江苏红烧肉来比,似乎略差一些。
: 但是具体怎么做的,我就不得而知了。
: 江苏红烧肉,讲究的是色香味俱全,肥而不腻,入口即化。汤浓,皮糯。先将我做江苏
: 红烧肉的做法公布如下:
: 1.取上好的五花肉。放在国内加上冷水,小火煮30-40分钟。到肉皮软烂,可以戳破为
: 止。
: 2.将煮好的肉取出,切成块,橡皮大小,一定要切得成长方形。且煤块肉上都需要连有
: 肉皮方好。

avatar
B*g
13
亚视不是都透露了吗

【在 wy 的大作中提到】
: 你怎么知道
avatar
U*n
14
bestbuy多搞两次狠deal,销量马上上去
avatar
h*u
15
用 pandas

【在 n******7 的大作中提到】
: 平时主要用R,用过几次scipy统计包每次都出点大大小小的问题
: 最近几次如下
: 1. fit 一个distribution 参数,搜了一下,stack overflow上一哥们儿怎么都算不对
: ,后来发现是老版本bug,新版本才fix
: 2. 做binomial sampling,结果给出超大的数,结果发现是没有正确处理nan
: 3. 做chisquare,用0.11版发现chisquare([10,10,20,20])可以,
: chisquare([10,10,20,20],[10,10,20,20])就不行,必须
: chisquare(np.array([10,10,20,20]),np.array([10,10,20,20]))
: 这叫什么事?这个在0.14版也ok了
: 最近也开始用numpy,不知道是不是也是怎么buggy?

avatar
j*5
16
丫早就回国当化工厂CTO了,还没事回来冒充后狗

【在 n*****g 的大作中提到】
: 就靠你给我们做过榜样了
avatar
x*u
17
江苏还有很多不同做法呢。

【在 d*****d 的大作中提到】
: 我觉得,红烧肉,还是我们江苏的做法简单好吃。
: 但是似乎目前流行的红烧肉,还是湖南红烧肉居多,做出来以后,颜色是红的,配以其
: 他素菜。我在毛家饭店吃过,口味还行,但是和我们江苏红烧肉来比,似乎略差一些。
: 但是具体怎么做的,我就不得而知了。
: 江苏红烧肉,讲究的是色香味俱全,肥而不腻,入口即化。汤浓,皮糯。先将我做江苏
: 红烧肉的做法公布如下:
: 1.取上好的五花肉。放在国内加上冷水,小火煮30-40分钟。到肉皮软烂,可以戳破为
: 止。
: 2.将煮好的肉取出,切成块,橡皮大小,一定要切得成长方形。且煤块肉上都需要连有
: 肉皮方好。

avatar
f*u
18
lol
avatar
c*x
19
多狠才算狠的deal?
avatar
L*n
20
对,同感,我现在都不敢用 scipy了,numpy是建立在scipy基础上的,也不敢用

【在 n******7 的大作中提到】
: 平时主要用R,用过几次scipy统计包每次都出点大大小小的问题
: 最近几次如下
: 1. fit 一个distribution 参数,搜了一下,stack overflow上一哥们儿怎么都算不对
: ,后来发现是老版本bug,新版本才fix
: 2. 做binomial sampling,结果给出超大的数,结果发现是没有正确处理nan
: 3. 做chisquare,用0.11版发现chisquare([10,10,20,20])可以,
: chisquare([10,10,20,20],[10,10,20,20])就不行,必须
: chisquare(np.array([10,10,20,20]),np.array([10,10,20,20]))
: 这叫什么事?这个在0.14版也ok了
: 最近也开始用numpy,不知道是不是也是怎么buggy?

avatar
n*g
21
真啊?
我out了
看来要多来班上混混啊。了解时事

【在 j*********5 的大作中提到】
: 丫早就回国当化工厂CTO了,还没事回来冒充后狗
avatar
B*s
22
为啥五花肉要先放回国内才能红烧?

【在 d*****d 的大作中提到】
: 我觉得,红烧肉,还是我们江苏的做法简单好吃。
: 但是似乎目前流行的红烧肉,还是湖南红烧肉居多,做出来以后,颜色是红的,配以其
: 他素菜。我在毛家饭店吃过,口味还行,但是和我们江苏红烧肉来比,似乎略差一些。
: 但是具体怎么做的,我就不得而知了。
: 江苏红烧肉,讲究的是色香味俱全,肥而不腻,入口即化。汤浓,皮糯。先将我做江苏
: 红烧肉的做法公布如下:
: 1.取上好的五花肉。放在国内加上冷水,小火煮30-40分钟。到肉皮软烂,可以戳破为
: 止。
: 2.将煮好的肉取出,切成块,橡皮大小,一定要切得成长方形。且煤块肉上都需要连有
: 肉皮方好。

avatar
S*r
23
主要是听说南宫在下界被炼气期的修士骚扰了,一气之下走火入魔了。

【在 B********g 的大作中提到】
: 亚视不是都透露了吗
avatar
d*g
24
BB这种黑店,75% off才出手

【在 c**x 的大作中提到】
: 多狠才算狠的deal?
avatar
M*P
25
反了,numpy比较早。一般java用什么数值计算库呢?

★ 发自iPhone App: ChineseWeb 7.8

【在 L***n 的大作中提到】
: 对,同感,我现在都不敢用 scipy了,numpy是建立在scipy基础上的,也不敢用
avatar
j*5
26
想当年你还是版主呢,现在也不常来灌水了
你博后老板管这么严吗

【在 n*****g 的大作中提到】
: 真啊?
: 我out了
: 看来要多来班上混混啊。了解时事

avatar
x*u
27
这么做是为了既让肉进味又使卖相好看。

【在 B********s 的大作中提到】
: 为啥五花肉要先放回国内才能红烧?
avatar
b*a
28
南宫?难道不是落云宗的宋师侄?

【在 S*********r 的大作中提到】
: 主要是听说南宫在下界被炼气期的修士骚扰了,一气之下走火入魔了。
avatar
G*g
29
Bestbuy刚辟谣说没有50%
avatar
n*7
30
应该是
我用python 处理数据,用scipy好处是就不用先写成文件再用R来load了

【在 M*P 的大作中提到】
: 所以才0.11版。感觉R的用户群要大很多。
:
: ★ 发自iPhone App: ChineseWeb 7.8

avatar
e*2
31
NANO是青年千人

【在 j*********5 的大作中提到】
: 想当年你还是版主呢,现在也不常来灌水了
: 你博后老板管这么严吗

avatar
a*y
32
因为不放回锅内没法红烧吧?

【在 B********s 的大作中提到】
: 为啥五花肉要先放回国内才能红烧?
avatar
wy
33
哈哈哈,终于明白你们在说啥了

【在 S*********r 的大作中提到】
: 主要是听说南宫在下界被炼气期的修士骚扰了,一气之下走火入魔了。
avatar
a*e
34
10M的东西导致200M的东西销量下降50%
只能说WK了

【在 f*****9 的大作中提到】
: Bestbuy总裁说Bestbuy的iPad销量挤掉了Bestbuy 50% 的笔记本销量,还令电视的销量
: 下滑!也
: 不知道Bestbuy是亏了还是赚了
: http://www.wired.com/gadgetlab/2010/09/best-buy-chief-ipad-cannibalizes-
: laptop-sales-by-50/

avatar
n*7
35
看了一下pandas也是基于scipy的啊
Optional Dependencies:
SciPy: miscellaneous statistical functions

【在 h*******u 的大作中提到】
: 用 pandas
avatar
n*g
36
主要是没话可说,没水可管啊。

【在 j*********5 的大作中提到】
: 想当年你还是版主呢,现在也不常来灌水了
: 你博后老板管这么严吗

avatar
H*n
37
你这个就是正常红烧肉的做法吧,还江苏湖南呢

【在 d*****d 的大作中提到】
: 我觉得,红烧肉,还是我们江苏的做法简单好吃。
: 但是似乎目前流行的红烧肉,还是湖南红烧肉居多,做出来以后,颜色是红的,配以其
: 他素菜。我在毛家饭店吃过,口味还行,但是和我们江苏红烧肉来比,似乎略差一些。
: 但是具体怎么做的,我就不得而知了。
: 江苏红烧肉,讲究的是色香味俱全,肥而不腻,入口即化。汤浓,皮糯。先将我做江苏
: 红烧肉的做法公布如下:
: 1.取上好的五花肉。放在国内加上冷水,小火煮30-40分钟。到肉皮软烂,可以戳破为
: 止。
: 2.将煮好的肉取出,切成块,橡皮大小,一定要切得成长方形。且煤块肉上都需要连有
: 肉皮方好。

avatar
wy
38
hahahahahahaha

【在 b**a 的大作中提到】
: 南宫?难道不是落云宗的宋师侄?
avatar
w*g
39
这就是为什么matlab还这么牛。从长远看python的前途堪忧。要不还是转回matlab和R
算了。

【在 n******7 的大作中提到】
: 平时主要用R,用过几次scipy统计包每次都出点大大小小的问题
: 最近几次如下
: 1. fit 一个distribution 参数,搜了一下,stack overflow上一哥们儿怎么都算不对
: ,后来发现是老版本bug,新版本才fix
: 2. 做binomial sampling,结果给出超大的数,结果发现是没有正确处理nan
: 3. 做chisquare,用0.11版发现chisquare([10,10,20,20])可以,
: chisquare([10,10,20,20],[10,10,20,20])就不行,必须
: chisquare(np.array([10,10,20,20]),np.array([10,10,20,20]))
: 这叫什么事?这个在0.14版也ok了
: 最近也开始用numpy,不知道是不是也是怎么buggy?

avatar
y*n
40
没事多做点合集

【在 n*****g 的大作中提到】
: 主要是没话可说,没水可管啊。
avatar
l*o
41
美国的肉烧起来就是不好吃
需要新鲜肉,不然肉的香味没有

【在 H*********n 的大作中提到】
: 你这个就是正常红烧肉的做法吧,还江苏湖南呢
avatar
s*s
42
我怎么都看不明白。哈哈

【在 wy 的大作中提到】
: 哈哈哈,终于明白你们在说啥了
avatar
n*7
43
恩,numpy是基础,数据结构,矩阵操作什么的
scipy感觉是基于numpy应用扩展

【在 M*P 的大作中提到】
: 反了,numpy比较早。一般java用什么数值计算库呢?
:
: ★ 发自iPhone App: ChineseWeb 7.8

avatar
j*5
44
我印象中你是回中科院百人了啊,哪个所

【在 n*****g 的大作中提到】
: 主要是没话可说,没水可管啊。
avatar
a*g
45
是啊,我也没看出个区别

【在 H*********n 的大作中提到】
: 你这个就是正常红烧肉的做法吧,还江苏湖南呢
avatar
s*s
46
哈哈哈

【在 B********g 的大作中提到】
: rt
avatar
L*n
47
哦,记错了,反正我只用C++和matlab, java没用过,我不用
scipy是因为算得结果和matlab不一致,我对python没什么信心了

【在 M*P 的大作中提到】
: 反了,numpy比较早。一般java用什么数值计算库呢?
:
: ★ 发自iPhone App: ChineseWeb 7.8

avatar
n*g
48
我哪有那个本事啊?
你太看得起我了

【在 j*********5 的大作中提到】
: 我印象中你是回中科院百人了啊,哪个所
avatar
a*e
49
炒好的肉加冷水接着煮,这个很weird

【在 c*******u 的大作中提到】
: 口味这个东西,仁者见仁智者见智吧,未见得一种口味就一定好过另一种。
avatar
a*r
50
Good one!

【在 S*********r 的大作中提到】
: 主要是听说南宫在下界被炼气期的修士骚扰了,一气之下走火入魔了。
avatar
n*7
51
我是准备放弃了,没时间瞎折腾
本来是yy了一下scikit-learn,numpy+scipy+matplotlib 的组合

R

【在 w***g 的大作中提到】
: 这就是为什么matlab还这么牛。从长远看python的前途堪忧。要不还是转回matlab和R
: 算了。

avatar
n*g
52
晕,我又不是斑竹。没那个权力啊

【在 y***n 的大作中提到】
: 没事多做点合集
avatar
S*n
53
说说湖南红烧肉怎么做?俺只知道北方红烧肉的做法,也是色香味俱全,区别是不肥不
腻,没汤,皮不糯,下酒,关键好处是不甜..

我觉得,红烧肉,还是我们江苏的做法简单好吃。
但是似乎目前流行的红烧肉,还是湖南红烧肉居多,做出来以后,颜色是红的,配以其
他素菜。我在毛家饭店吃过,口味还行,但是和我们江苏红烧肉来比,似乎略差一些。
但是具体怎么做的,我就不得而知了。
江苏红烧肉,讲究的是色香味俱全,肥而不腻,入口即化。汤浓,皮糯。先将我做江苏
红烧肉的做法公布如下:
1.取上好的五花肉。放在国内加上冷水,小火煮30-40分钟。到肉皮软烂,可以戳破为
止。
2.将煮好的肉取出,切成块,橡皮大小,一定要切得成长方形。且煤块肉上都需要连有
肉皮方好。
3.将切好的肉块放入锅中,中火加热。加入生姜,老抽,料酒翻炒。将颜色染红均匀为
止。
4.将翻炒好的肉里加上3个八角,冰糖10粒。如果没有冰糖,白糖2大勺也可。加上冷水
至淹没过猪肉。小火炖至水快烧干,汤变粘稠为止。
至此,一道鲜香可口,肥而不腻的江苏红烧肉就做好了。

【在 d*****d 的大作中提到】
: 我觉得,红烧肉,还是我们江苏的做法简单好吃。
: 但是似乎目前流行的红烧肉,还是湖南红烧肉居多,做出来以后,颜色是红的,配以其
: 他素菜。我在毛家饭店吃过,口味还行,但是和我们江苏红烧肉来比,似乎略差一些。
: 但是具体怎么做的,我就不得而知了。
: 江苏红烧肉,讲究的是色香味俱全,肥而不腻,入口即化。汤浓,皮糯。先将我做江苏
: 红烧肉的做法公布如下:
: 1.取上好的五花肉。放在国内加上冷水,小火煮30-40分钟。到肉皮软烂,可以戳破为
: 止。
: 2.将煮好的肉取出,切成块,橡皮大小,一定要切得成长方形。且煤块肉上都需要连有
: 肉皮方好。

avatar
p*p
54
姜=江

【在 s*******s 的大作中提到】
: 我怎么都看不明白。哈哈
avatar
n*7
55
matlab版权比较蛋疼
我有两台电脑,账号只能授权一个机器用,总是有点蛋疼
我看那个哥们儿也是去问为啥scipy跟matlab的结果不一致,不会是你吧

【在 L***n 的大作中提到】
: 哦,记错了,反正我只用C++和matlab, java没用过,我不用
: scipy是因为算得结果和matlab不一致,我对python没什么信心了

avatar
y*e
56
难道不放大料和胡椒?
avatar
s*s
57
这个南宫是啥意思?我怎么没看懂?哈哈

【在 a******r 的大作中提到】
: Good one!
avatar
M*P
58
这个是挺新的,我也在鼓捣。

★ 发自iPhone App: ChineseWeb 7.8

【在 n******7 的大作中提到】
: 我是准备放弃了,没时间瞎折腾
: 本来是yy了一下scikit-learn,numpy+scipy+matplotlib 的组合
:
: R

avatar
i*d
59
呵呵,我和你一样,想问这个“国内”的幽默的问题。不过看来大家没理解哦

【在 B********s 的大作中提到】
: 为啥五花肉要先放回国内才能红烧?
avatar
wy
60
没看懂你哈哈啥

【在 s*******s 的大作中提到】
: 这个南宫是啥意思?我怎么没看懂?哈哈
avatar
M*P
61
我想从python跳出来,受不了c++那些词不达意的错误信息。所以想看看java如何。

★ 发自iPhone App: ChineseWeb 7.8

【在 L***n 的大作中提到】
: 哦,记错了,反正我只用C++和matlab, java没用过,我不用
: scipy是因为算得结果和matlab不一致,我对python没什么信心了

avatar
s*1
62
看描述很腻且不香..
avatar
s*t
63
hahahaha
avatar
L*n
64
不是,我没问过,我的问题和他的不一样,我是计算一个矩阵
的特征值,矩阵阶低了还可以,高了到5万左右python就不行了。
我还是用的anaconda,号称转为科学计算用的,我对matlab有
信心, 工作上还是用matlab, python只是玩玩,不一致就算了。
本来是觉得python用起来比matlab方便,现在看起来open source
的东西用起来还是要小心

【在 n******7 的大作中提到】
: matlab版权比较蛋疼
: 我有两台电脑,账号只能授权一个机器用,总是有点蛋疼
: 我看那个哥们儿也是去问为啥scipy跟matlab的结果不一致,不会是你吧

avatar
m*r
65
怎么也是紫菱才对吧

【在 s*******s 的大作中提到】
: 这个南宫是啥意思?我怎么没看懂?哈哈
avatar
m*5
66
Scipy和numpy的小bug确实比较多,但是也还没有到不堪用的地步
你说的这种类型转换bug,一般的numpy用户根本不会注意到,因为numpy用户大多喜欢
越早转为numpy.array越好,很少直接使用python native数据类型
你用的python list不接受其实很正常,只要有err throw出来很容易理解
R和matlab用习惯的人,特别是以前没有重头学过数值计算的人的确不适合使用现阶段
的numpy,不过我们正在逐步改进,目前来说主要还是数值计算的人在用,傻瓜化的关
注可能不是很高。
你说的算不正确的问题
1. 其实是因为很多矩阵,特别是大型矩阵需要有预处理,matlab和R很多时候已经在内
部隐含地处理了。而scipy和numpy需要你自己预处理。
2. 其次是精度问题,这方面numpy不是傻瓜的,为了速度所有都需要手动干预。用个最
简单的例子来说,mean(A),如果A很长,即使A全是1, numpy直到很近期的版本也得不到
正确数值,近期版的matlab就可以。这是因为numpy.mean用纯累加方式求均数,如果想
得到正确数字需要预处理,或者用更smart的mean函数。
这对经常做数值计算的人来说也许是常识,但是对matlab用户来说就未必,这就是目前
的问题,因此我建议各位R/Matlab用户在这个阶段5年以内还是不要使用numpy

【在 n******7 的大作中提到】
: 平时主要用R,用过几次scipy统计包每次都出点大大小小的问题
: 最近几次如下
: 1. fit 一个distribution 参数,搜了一下,stack overflow上一哥们儿怎么都算不对
: ,后来发现是老版本bug,新版本才fix
: 2. 做binomial sampling,结果给出超大的数,结果发现是没有正确处理nan
: 3. 做chisquare,用0.11版发现chisquare([10,10,20,20])可以,
: chisquare([10,10,20,20],[10,10,20,20])就不行,必须
: chisquare(np.array([10,10,20,20]),np.array([10,10,20,20]))
: 这叫什么事?这个在0.14版也ok了
: 最近也开始用numpy,不知道是不是也是怎么buggy?

avatar
k*n
67
靠。。这笑话也太冷了。。
需要经常看八卦新闻,且有一定悟性。。才能明白
avatar
n*7
68
我一般都是转成array来用的
今天发现这个问题是因为我看scipy的chisquare文档里面直接用的python list
就试了一下,发现在0.11不完全work
我本来以为都是要np.array的
你是scipy的contributor?

【在 m********5 的大作中提到】
: Scipy和numpy的小bug确实比较多,但是也还没有到不堪用的地步
: 你说的这种类型转换bug,一般的numpy用户根本不会注意到,因为numpy用户大多喜欢
: 越早转为numpy.array越好,很少直接使用python native数据类型
: 你用的python list不接受其实很正常,只要有err throw出来很容易理解
: R和matlab用习惯的人,特别是以前没有重头学过数值计算的人的确不适合使用现阶段
: 的numpy,不过我们正在逐步改进,目前来说主要还是数值计算的人在用,傻瓜化的关
: 注可能不是很高。
: 你说的算不正确的问题
: 1. 其实是因为很多矩阵,特别是大型矩阵需要有预处理,matlab和R很多时候已经在内
: 部隐含地处理了。而scipy和numpy需要你自己预处理。

avatar
s*m
69

这个强!顶一下

【在 S*********r 的大作中提到】
: 主要是听说南宫在下界被炼气期的修士骚扰了,一气之下走火入魔了。
avatar
n*7
70
我也想试试java
好像weka很多人推荐,但是看了看不就是一个java写的工具包吗
跟java本身关系不大似乎

【在 M*P 的大作中提到】
: 我想从python跳出来,受不了c++那些词不达意的错误信息。所以想看看java如何。
:
: ★ 发自iPhone App: ChineseWeb 7.8

avatar
B*g
71
各位道友请做好争夺混沌榜上防御法宝的黑框放大镜的准备,以及加紧大乘留下的唯一
逆天功法“三代”玄天功的领悟

【在 B********g 的大作中提到】
: rt
avatar
m*5
72
java里面我觉得没有太好的包,问题会比numpy更多
开源的,重视速度的项目始终会有傻瓜化不足的问题,即使ROOT也常有类似问题
对于你们我建议还是只用Matlab

【在 n******7 的大作中提到】
: 我也想试试java
: 好像weka很多人推荐,但是看了看不就是一个java写的工具包吗
: 跟java本身关系不大似乎

avatar
T*s
73
俺看懂了
ft

【在 k**n 的大作中提到】
: 靠。。这笑话也太冷了。。
: 需要经常看八卦新闻,且有一定悟性。。才能明白

avatar
n*7
74
好吧,不折腾了

【在 m********5 的大作中提到】
: java里面我觉得没有太好的包,问题会比numpy更多
: 开源的,重视速度的项目始终会有傻瓜化不足的问题,即使ROOT也常有类似问题
: 对于你们我建议还是只用Matlab

avatar
s*n
75
呵呵。。
真不容易看懂啊。
avatar
L*n
76
如果有时间写代码不是急着实现算法还是C++最靠谱,
直接调用大量成熟的库,或者用成熟的framework
trilinos或者PETSc作科学计算,scipy还差不少
在 mitbbs2715 (好吃不懒做) 的大作中提到: 】
avatar
c*n
77
你们这些搞剧透的小白,
小心大神改大纲,雷死你们。

【在 B********g 的大作中提到】
: rt
avatar
m*5
78
对于任何开源包,你都要很清楚你的程序底层到底在干什么,不是仅仅数学上的。
我的建议是使用matlab进行prototyping. 当差不多知道你需要使用哪些具体的计算以
后,如果你希望速度有提升,可以使用numpy,ROOT等
因为知道需要哪些具体计算步骤之后,你可以有针对性得对这些算符进行彻底的测试,
比较在相同的矩阵大小下,matlab和他们的差异。

【在 n******7 的大作中提到】
: 好吧,不折腾了
avatar
s*0
79
还有攻击性佛门真言功法:砂睦呔木吱呐咿呋

【在 B********g 的大作中提到】
: 各位道友请做好争夺混沌榜上防御法宝的黑框放大镜的准备,以及加紧大乘留下的唯一
: 逆天功法“三代”玄天功的领悟

avatar
m*5
80
手工写预处理代码逃不掉的
这方面只有matlab可以傻瓜化
因为matlab速度是次要的,主要是傻瓜化和正确性
它的很多元操作都有很复杂的condition判断,然后自动选择最优方法,overhead非常高
numpy应该是不会做成这样,因为并不是要做成matlab替代品

【在 L***n 的大作中提到】
: 如果有时间写代码不是急着实现算法还是C++最靠谱,
: 直接调用大量成熟的库,或者用成熟的framework
: trilinos或者PETSc作科学计算,scipy还差不少
: 在 mitbbs2715 (好吃不懒做) 的大作中提到: 】

avatar
L*n
81
预处理如果是数学上的matlab也逃不掉,如果
纯粹是从底层的预处理基本上科学计算包的界面
也不需要,matlab wrap了一个统一的界面,但是
其他包的界面并不更复杂,比如我的例子算稀疏矩
阵的特征值,matlab和其他 scipy, SLEPc, ARPACK,
要求的参数都差不多,当然安装和使用SLEPc, ARPACK
本身就比用matlab, scipy麻烦多了

【在 m********5 的大作中提到】
: 手工写预处理代码逃不掉的
: 这方面只有matlab可以傻瓜化
: 因为matlab速度是次要的,主要是傻瓜化和正确性
: 它的很多元操作都有很复杂的condition判断,然后自动选择最优方法,overhead非常高
: numpy应该是不会做成这样,因为并不是要做成matlab替代品

avatar
L*n
82
matlab速度并不慢,它底层调用的还是C, fortran写的包,
上面的overhead在科学计算上可以忽略不计,基本上起码
一个问题算几个小时到几天,那点overhead太少了

常高

【在 m********5 的大作中提到】
: 手工写预处理代码逃不掉的
: 这方面只有matlab可以傻瓜化
: 因为matlab速度是次要的,主要是傻瓜化和正确性
: 它的很多元操作都有很复杂的condition判断,然后自动选择最优方法,overhead非常高
: numpy应该是不会做成这样,因为并不是要做成matlab替代品

avatar
m*5
83
我承认,SLEPc, ARPACK的确预处理上干预较少
但是他们只处理特征值问题

【在 L***n 的大作中提到】
: 预处理如果是数学上的matlab也逃不掉,如果
: 纯粹是从底层的预处理基本上科学计算包的界面
: 也不需要,matlab wrap了一个统一的界面,但是
: 其他包的界面并不更复杂,比如我的例子算稀疏矩
: 阵的特征值,matlab和其他 scipy, SLEPc, ARPACK,
: 要求的参数都差不多,当然安装和使用SLEPc, ARPACK
: 本身就比用matlab, scipy麻烦多了

avatar
m*5
84
大量重复的元操作的overhead那就是很大问题
numpy在很多时候的提速是明显的
当然,如果你只循环几百次,肯定不是问题,或者元操作本来就要进行好几分钟,那更
不是问题
这种情况下,所有都是底层BLAS等的速度,用numpy已经失去意义了

【在 L***n 的大作中提到】
: matlab速度并不慢,它底层调用的还是C, fortran写的包,
: 上面的overhead在科学计算上可以忽略不计,基本上起码
: 一个问题算几个小时到几天,那点overhead太少了
:
: 常高

avatar
L*n
85
在我看来numpy的意义就是方便使用啊,我是把它作为matlab替代品
使用的,numpy吸引我的地方就是命令行处理比matlab方便多了,但
是如果成熟和稳定上做的不够,那现阶段只能玩玩,还是不敢在关键
的地方用,

【在 m********5 的大作中提到】
: 大量重复的元操作的overhead那就是很大问题
: numpy在很多时候的提速是明显的
: 当然,如果你只循环几百次,肯定不是问题,或者元操作本来就要进行好几分钟,那更
: 不是问题
: 这种情况下,所有都是底层BLAS等的速度,用numpy已经失去意义了

avatar
m*5
86
永远不可能,本来就不是它的目的
MATLAB在10年内绝对还是行业标准,多少大牛给MATLAB的正确性把关啊
况且scipy的贡献者很多都在领mathworks的咨询费 :D, 大家不会和自己钱包过不去的
avatar
P*H
87
scipy那么不堪?我一直在用numpy/scipy解eigen和方程。目前没发现什么重大问题。
avatar
L*n
88
我倒是觉得可能,哈哈,但是需要时间让scipy的bug收敛到比较低的水平,
我希望你的五年的预言可以实现,其实基本的数值线性代数大家都用BLAS
LAPACK, blabla,这部分做好了起码我会转向Scipy,毕竟调用方式比MATLAB
方便多了。python作为语言也比matlab感觉强多了,哈哈

【在 m********5 的大作中提到】
: 永远不可能,本来就不是它的目的
: MATLAB在10年内绝对还是行业标准,多少大牛给MATLAB的正确性把关啊
: 况且scipy的贡献者很多都在领mathworks的咨询费 :D, 大家不会和自己钱包过不去的

avatar
L*n
89
多大矩阵啊?我很感兴趣这个问题,几千行数的矩阵两个数值解确实很一致,
其实公平的说不是scipy的问题,是底下调用库的问题,我用的是MKL,按说
还行...

【在 P**H 的大作中提到】
: scipy那么不堪?我一直在用numpy/scipy解eigen和方程。目前没发现什么重大问题。
avatar
P*H
90
一般都是10k左右的sparse system,底层用的arpack。多了pc也算不过来。

【在 L***n 的大作中提到】
: 多大矩阵啊?我很感兴趣这个问题,几千行数的矩阵两个数值解确实很一致,
: 其实公平的说不是scipy的问题,是底下调用库的问题,我用的是MKL,按说
: 还行...

avatar
L*n
91
恩,我的python数值解在5万这个数量级开始有奇怪的现象,我用mkl是因为
ananconda缺省配置,我自己不会设置python怎么链接底层的库,你是怎么
在python里用arpack的?

【在 P**H 的大作中提到】
: 一般都是10k左右的sparse system,底层用的arpack。多了pc也算不过来。
avatar
P*H
92
matlab和scipy解sparse eigen都是用的arpack。目前我没发现例外的。
我就是用的numpy/scipy/matplot。至于dense的,对我没有多大用。linux下底层用的
gotoblas/openblas,win下用mkl。

【在 L***n 的大作中提到】
: 恩,我的python数值解在5万这个数量级开始有奇怪的现象,我用mkl是因为
: ananconda缺省配置,我自己不会设置python怎么链接底层的库,你是怎么
: 在python里用arpack的?

avatar
L*n
93
哦,anaconda可以用mkl作选项,matlab我不知道,你安装scipy的时候
自动装arpack吗?还是要链接到自己编译的库?

【在 P**H 的大作中提到】
: matlab和scipy解sparse eigen都是用的arpack。目前我没发现例外的。
: 我就是用的numpy/scipy/matplot。至于dense的,对我没有多大用。linux下底层用的
: gotoblas/openblas,win下用mkl。

avatar
P*H
94
好像scipy自己就有arpack的源码。算自带了。

【在 L***n 的大作中提到】
: 哦,anaconda可以用mkl作选项,matlab我不知道,你安装scipy的时候
: 自动装arpack吗?还是要链接到自己编译的库?

avatar
L*n
95
呵呵,也许我是吃了追求fancy的亏了?你是用的哪个scipy distribution啊?

【在 P**H 的大作中提到】
: 好像scipy自己就有arpack的源码。算自带了。
avatar
m*5
96
Scipy sparse自动就是arpack

【在 L***n 的大作中提到】
: 哦,anaconda可以用mkl作选项,matlab我不知道,你安装scipy的时候
: 自动装arpack吗?还是要链接到自己编译的库?

avatar
L*n
97
哪个distribution啊?我用anaconda,印象中好像让我选,我没多想就选了
mkl

【在 m********5 的大作中提到】
: Scipy sparse自动就是arpack
avatar
m*5
98
没用distro,源码直接编的

【在 L***n 的大作中提到】
: 哪个distribution啊?我用anaconda,印象中好像让我选,我没多想就选了
: mkl

avatar
L*n
99
靠,我们一般用户哪干的了这个,anyway, interesting,我有时间了
当个不用mkl的distribution再实验一下,完了报告一下结果

【在 m********5 的大作中提到】
: 没用distro,源码直接编的
avatar
j*x
100
有人知道为什么numpy没有wrap LAPACK 和 ScaLAPACK吗? license问题吗?

【在 L***n 的大作中提到】
: 不是,我没问过,我的问题和他的不一样,我是计算一个矩阵
: 的特征值,矩阵阶低了还可以,高了到5万左右python就不行了。
: 我还是用的anaconda,号称转为科学计算用的,我对matlab有
: 信心, 工作上还是用matlab, python只是玩玩,不一致就算了。
: 本来是觉得python用起来比matlab方便,现在看起来open source
: 的东西用起来还是要小心

avatar
V*r
101

你确认自己弄清楚lapack是什么了吗?
这就跟说“水果没有香蕉好吃”一样

【在 j****x 的大作中提到】
: 有人知道为什么numpy没有wrap LAPACK 和 ScaLAPACK吗? license问题吗?
avatar
j*x
102
LAPACK has driver routines that can solve standard eigenvalue problem or
singular value problem. The previous posts are discussing the eigenvalue
problem in numpy. What's your point?

【在 V*********r 的大作中提到】
:
: 你确认自己弄清楚lapack是什么了吗?
: 这就跟说“水果没有香蕉好吃”一样

avatar
N*K
103
求一个均值 还能有多种方法? 茴香豆吃多了

【在 m********5 的大作中提到】
: Scipy和numpy的小bug确实比较多,但是也还没有到不堪用的地步
: 你说的这种类型转换bug,一般的numpy用户根本不会注意到,因为numpy用户大多喜欢
: 越早转为numpy.array越好,很少直接使用python native数据类型
: 你用的python list不接受其实很正常,只要有err throw出来很容易理解
: R和matlab用习惯的人,特别是以前没有重头学过数值计算的人的确不适合使用现阶段
: 的numpy,不过我们正在逐步改进,目前来说主要还是数值计算的人在用,傻瓜化的关
: 注可能不是很高。
: 你说的算不正确的问题
: 1. 其实是因为很多矩阵,特别是大型矩阵需要有预处理,matlab和R很多时候已经在内
: 部隐含地处理了。而scipy和numpy需要你自己预处理。

avatar
j*x
104
sparse:dense vs ARPACK:LAPACK vs orange:apple ?

【在 V*********r 的大作中提到】
:
: 你确认自己弄清楚lapack是什么了吗?
: 这就跟说“水果没有香蕉好吃”一样

avatar
M*P
105
这是因为numpy.mean用纯累加方式求均数,如果想得到正确数字需要预处理,或者用更
smart的mean函数
Please teach me master!

【在 m********5 的大作中提到】
: Scipy和numpy的小bug确实比较多,但是也还没有到不堪用的地步
: 你说的这种类型转换bug,一般的numpy用户根本不会注意到,因为numpy用户大多喜欢
: 越早转为numpy.array越好,很少直接使用python native数据类型
: 你用的python list不接受其实很正常,只要有err throw出来很容易理解
: R和matlab用习惯的人,特别是以前没有重头学过数值计算的人的确不适合使用现阶段
: 的numpy,不过我们正在逐步改进,目前来说主要还是数值计算的人在用,傻瓜化的关
: 注可能不是很高。
: 你说的算不正确的问题
: 1. 其实是因为很多矩阵,特别是大型矩阵需要有预处理,matlab和R很多时候已经在内
: 部隐含地处理了。而scipy和numpy需要你自己预处理。

avatar
w*g
106
浮点数大数+小数会导致精度丧失。加到后来就加不上去了。

【在 M*P 的大作中提到】
: 这是因为numpy.mean用纯累加方式求均数,如果想得到正确数字需要预处理,或者用更
: smart的mean函数
: Please teach me master!

avatar
N*K
107
M_new = alpha* M_old + beta* mean(N个新数字)
这不就行了么

【在 w***g 的大作中提到】
: 浮点数大数+小数会导致精度丧失。加到后来就加不上去了。
avatar
w*g
108
不明觉历

【在 N******K 的大作中提到】
: M_new = alpha* M_old + beta* mean(N个新数字)
: 这不就行了么

avatar
M*P
109
does it matter?

【在 w***g 的大作中提到】
: 浮点数大数+小数会导致精度丧失。加到后来就加不上去了。
avatar
t*t
110
当然...

【在 M*P 的大作中提到】
: does it matter?
avatar
M*P
111
举个例子吧。

★ 发自iPhone App: ChineseWeb 7.8

【在 t****t 的大作中提到】
: 当然...
avatar
t*t
112
这是最基本的数值计算知识, 加法要从小数开始加到大数

【在 M*P 的大作中提到】
: 举个例子吧。
:
: ★ 发自iPhone App: ChineseWeb 7.8

avatar
c*t
113
赞!这跟统计版月经sas/r有得一比了
自己开小consulting就上python;有人出钱就上matlab;真要做大型计算还是得上C++
。python的用处是numpy的array可以直接在c里call。python的那些包包就是做前处理
方便。prototype用r,python还是matlab都差不多。看哪个顺手
avatar
N*K
114
应该是绝对值靠近0的先加

【在 t****t 的大作中提到】
: 这是最基本的数值计算知识, 加法要从小数开始加到大数
avatar
h*j
115
我们平时用的很多,用多就顺手了
avatar
t*t
116
小就是绝对值小的意思...好吧, 这是数值计算101, 我以为所有人都懂的.

【在 N******K 的大作中提到】
: 应该是绝对值靠近0的先加
avatar
t*n
117
马工和搞数值是两类不同的人。。。。

【在 t****t 的大作中提到】
: 小就是绝对值小的意思...好吧, 这是数值计算101, 我以为所有人都懂的.
avatar
T*u
118
matlab node lock license,可以lock到一个电脑上,无数人用;也可以lock给一个人
,最多可以分装在四台电脑上。没交年费的交钱让他给你改一下就好。

【在 n******7 的大作中提到】
: matlab版权比较蛋疼
: 我有两台电脑,账号只能授权一个机器用,总是有点蛋疼
: 我看那个哥们儿也是去问为啥scipy跟matlab的结果不一致,不会是你吧

avatar
r*t
119
小心被打。。

【在 M*P 的大作中提到】
: 举个例子吧。
:
: ★ 发自iPhone App: ChineseWeb 7.8

avatar
M*P
120
我觉得即使丧失精度,小数点后面很多位在我所处理的问题里意义不大.
比如你算 一个 100 加上 1e10 个 1e-10 级别的小数, 那后面那些加起来有多准意义
不大。即使精确结果是101,这个跟100 区别就在1%里面,根本没关系。
真心求教在什么情况下这种精度丧失会成为问题。给本书让我看也成。

【在 t****t 的大作中提到】
: 这是最基本的数值计算知识, 加法要从小数开始加到大数
avatar
l*m
121
an array a[] is assumed to be like a[0] = hugh, a[1,..., N-1] = tiny, where
tiny * (N -1) = -hugh
sum(a) should be 0

【在 M*P 的大作中提到】
: 我觉得即使丧失精度,小数点后面很多位在我所处理的问题里意义不大.
: 比如你算 一个 100 加上 1e10 个 1e-10 级别的小数, 那后面那些加起来有多准意义
: 不大。即使精确结果是101,这个跟100 区别就在1%里面,根本没关系。
: 真心求教在什么情况下这种精度丧失会成为问题。给本书让我看也成。

avatar
M*P
122
I thought if you use float32, that should not be a problem.

where

【在 l*******m 的大作中提到】
: an array a[] is assumed to be like a[0] = hugh, a[1,..., N-1] = tiny, where
: tiny * (N -1) = -hugh
: sum(a) should be 0

avatar
V*r
123
>>> import numpy
>>> numpy.__config__.show()

【在 L***n 的大作中提到】
: 哪个distribution啊?我用anaconda,印象中好像让我选,我没多想就选了
: mkl

avatar
z*s
124

lightroom给的例子很好。你如果用float32会使得程序运行很慢。
推荐你一个很经典的小册子:
Numerical Computing with IEEE Floating Point Airthmetic,
Michael L Overton
SIAM 2001
This book should address your issue.

【在 M*P 的大作中提到】
: I thought if you use float32, that should not be a problem.
:
: where

avatar
M*P
125
thank you!

【在 z****s 的大作中提到】
:
: lightroom给的例子很好。你如果用float32会使得程序运行很慢。
: 推荐你一个很经典的小册子:
: Numerical Computing with IEEE Floating Point Airthmetic,
: Michael L Overton
: SIAM 2001
: This book should address your issue.

相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。