用更高效的代码替换旧代码

Question

试试这个：def serving_input_receiver_fn():  ink = tf.placeholder(dtype=tf.float32, shape=[None, None, 3], name='ink')  length = tf.placeholder(dtype=tf.int64, shape=[None, 1])  features = {"ink": inks, "length": lengths}  return tf.estimator.export.ServingInputReceiver(features, features)一个示例有效载荷是：{"instances": [{"ink": [[0.1, 1.0, 2.0]], "length":[[1]]}]}或作为输入gcloud predict --json-instances：{"ink": [[0.1, 1.0, 2.0]], "length":[[1]]}]我没有研究实际代码；如果墨水通常会容纳大量浮点数，您可能需要考虑替代编码系统。

Answer 1

是的，

您可以使用 np.cumsum(z) 再次创建一个带有 sum(z_i) 和 np.exp() 的数组来计算您想要的内容，然后将其与 a_0 相乘。

a_0 = 27

z = np.array([1,2,3])

cs = np.cumsum(z)

result = np.exp(cs)*a_0