开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

fortran中不兼容的秩0和1

在Fortran中，秩（rank）是指数组的维度数。秩0表示一个标量，即一个单独的数值。秩1表示一个一维数组，即一系列有序的数值。

在Fortran中，秩0和秩1是不兼容的，因为它们具有不同的数据类型和操作方式。

秩0（scalar）的特点：

数据类型为实数、整数、逻辑值等基本类型。
无法进行数组操作，只能进行基本的数学运算和逻辑运算。
不能使用数组相关的函数和子程序。

秩1（array）的特点：

数据类型可以是实数、整数、逻辑值等基本类型，也可以是自定义的派生类型。
可以进行数组操作，如索引、切片、重塑等。
可以使用数组相关的函数和子程序。

在Fortran中，秩0和秩1的区别在于数据类型和可操作性。秩0适用于表示单个数值，而秩1适用于表示一系列有序的数值。

在实际应用中，根据具体需求选择使用秩0或秩1的变量或数组。如果只需要表示单个数值，则使用秩0的变量；如果需要表示一系列有序的数值，则使用秩1的数组。

腾讯云相关产品和产品介绍链接地址：

腾讯云计算服务：https://cloud.tencent.com/product/cvm
腾讯云数据库：https://cloud.tencent.com/product/cdb
腾讯云对象存储：https://cloud.tencent.com/product/cos
腾讯云人工智能：https://cloud.tencent.com/product/ai
腾讯云物联网：https://cloud.tencent.com/product/iot
腾讯云移动开发：https://cloud.tencent.com/product/mobdev
腾讯云区块链：https://cloud.tencent.com/product/bc
腾讯云元宇宙：https://cloud.tencent.com/product/vr

相关搜索:(%1)处的数组引用中的秩不匹配(1/2)Colab -ValueError中的Tensorflow错误:形状(None，1)和(None，10)不兼容 InvalidArgumentError:矩阵大小-不兼容: In[0]：[32,21]，In[1]：[128,1]postgres表列中如何选择0，1，0和1的计数？ValueError:图层顺序的输入0与图层不兼容:输入形状的轴-1应具有值1 ValueError:层block1_conv1的输入0与层不兼容 ValueError:层dense_1的输入0与层不兼容 ValueError:层密集的输入0不兼容 ValueError:形状%1和%2不兼容 ValueError:形状(%1，% 2)和(%1，% 4)不兼容

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

从Numpy中的ascontiguousarray说起

有的时候，在看别人代码时会时不时看到ascontiguous()这样的一个函数，查文档会发现函数说明只有一句话：“Return a contiguous array (ndim >= 1) in memory (C order).”

01

利用Numpy中的ascontiguousarray可以是数组在内存上连续，加速计算

AttributeError: incompatible shape for a non-contiguous array

00

Python—numpy模块下函数介绍（一）numpy.ones、empty等

NumPy数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推。在NumPy中，每一个线性的数组称为是一个轴（axes），秩其实是描述轴的数量。比如说，二维数组相当于是一个一维数组，而这个一维数组中每个元素又是一个一维数组。所以这个一维数组就是NumPy中的轴（axes），而轴的数量——秩，就是数组的维数。首先来看看以np.ones为例的英文参数介绍

00

Python—numpy模块下函数介绍（一）numpy.ones、empty等

NumPy数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推。在NumPy中，每一个线性的数组称为是一个轴（axes），秩其实是描述轴的数量。比如说，二维数组相当于是一个一维数组，而这个一维数组中每个元素又是一个一维数组。所以这个一维数组就是NumPy中的轴（axes），而轴的数量——秩，就是数组的维数。首先来看看以np.ones为例的英文参数介绍

02

Python—numpy模块下函数介绍（一）numpy.ones、empty等

NumPy数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推。在NumPy中，每一个线性的数组称为是一个轴（axes），秩其实是描述轴的数量。比如说，二维数组相当于是一个一维数组，而这个一维数组中每个元素又是一个一维数组。所以这个一维数组就是NumPy中的轴（axes），而轴的数量——秩，就是数组的维数。首先来看看以np.ones为例的英文参数介绍 numpy.ones(shape, dtype=None, order=’C’) Return a new array of gi

06

理解numpy中ndarray的内存布局和设计哲学

ndarray是numpy中的多维数组，数组中的元素具有相同的类型，且可以被索引。

01

诞生于穿孔纸带时期的语言，ALGOL 60今年60岁了

ALGOL，为算法语言（ALGOrithmic Language）的缩写，是计算机发展史上首批产生的高级程式语言家族。当时还是晶体管计算机流行的时代，由于 ALGOL 语句和普通语言表达式接近，更适于数值计算，所以 ALGOL 多用于科学计算机。

02

NCAR的烂尾项目——NCL与PyNIO

好久没用NCL了，今天上去官网看了一下，发现他们在去年11月份又update了一封给用户的信，愉快地宣布PyNIO和PyNGL统统烂尾啦~~

04

Numpy

Numpy Numpy是Python中用于科学计算的核心库。它提供了高性能的多维数组对象，以及相关工具。（本文文末的原文链接为numpy的官方文档） NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。包括：1、一个强大的N维数组对象Array；2、比较成熟的（广播）函数库；3、用于整合C/C++和Fortran代码的工具包；4、实用的线性

07

适配Diffusers框架的全套教程来了！从T2I-Adapter到大热ControlNet

机器之心专栏作者：王浩帆、王奇勋本文从实际存在的问题出发，对代码框架不兼容、模型加载受限等问题率先提出了自研解决方案，快速帮助开发者更容易地开发。在 ChatGPT 出圈不久，ControlNet 的横空出世很快在英文和中文互联网收获了众多开发者和普通用户，甚至有用户宣传 ControlNet 的出现将 AI 创作带入了直立行走的时代。不夸张地说，包括 ControlNet 在内，同期的 T2I-Adapter、Composer，以及 LoRA 训练技巧，可控生成作为 AI 创作最后一道高墙，极有可

01

Intel Fortran 编译器

Fortran语言的编译器种类繁多，有Intel Fortran、GFortran、Simply Fortran、PGI Fortran、NAG Fortran 、Ftn95等等。其中最有名的当属In

06

量化计算工具包parsec共享

过冷水最近一段时间接触了一个非常牛X的程序包——parsec,花了九牛二虎之力才弄懂它，它能干什么呢？

02

业界 | 四大机器学习编程语言对比：R、Python、MATLAB、Octave

https://github.com/mjbahmani/10-steps-to-become-a-data-scientist

02

业界 | 四大机器学习编程语言对比：R、Python、MATLAB、Octave

GitHub 地址：https://github.com/mjbahmani/10-steps-to-become-a-data-scientist

01

四大机器学习编程语言对比：R、Python、MATLAB、Octave

人工智能（AI）是近几年来最热的话题之一，不管是医疗界、互联网界、服务界，还是制造业、工业等等，不和AI挂个边都不好意思出来和人打招呼（比如咱们运维界也有AIOps）。

03

NumPy 1.26 中文文档（四十六）

当构建 NumPy 时，将记录有关系统配置的信息，并且通过使用 NumPy 的 C API 的扩展模块提供。这些信息主要在 numpyconfig.h 中定义（包含在 ndarrayobject.h 中）。公共符号以 NPY_* 为前缀。NumPy 还提供了一些用于查询正在使用的平台信息的功能。

01

业界 | 四大机器学习编程语言对比：R、Python、MATLAB、Octave

GitHub 地址：https://github.com/mjbahmani/10-steps-to-become-a-data-scientist

02

这个团队做了OpenAI没Open的技术，开源OpenRLHF让对齐大模型超简单

随着大型语言模型（LLM）规模不断增大，其性能也在不断提升。尽管如此，LLM 依然面临着一个关键难题：与人类的价值和意图对齐。在解决这一难题方面，一种强大的技术是根据人类反馈的强化学习（RLHF）。

01

C 与 C++ 40 年的爱恨情仇

20世纪70年代初，贝尔实验室创建了C语言，它是开发UNIX的副产品。很快C就成为了最受欢迎的编程语言之一。但是对于Bjarne Stroustrup来说，C的表达能力还不够。于是，他在1983年的博士论文中扩展了C语言。

02

Fortran 与 C 数组传递的三种方式

在群里闲聊的时候，有群友提出(:)不能作为 Fortran 接口传递数组给 C，于是基于经验进行了以下的尝试和解析（可能不对，欢迎指正）。

01

畅谈百年编程语言

这个话题非常大胆。我是说，软件开发发展到今天，差不多已经有 65 年了。而框架就更年轻了。断定你的语言或框架能活到一百年，这是一个相当大的论断。

03

numpy库reshape用法详解

a：array_like 要重新形成的数组。 newshape：int或tuple的整数新的形状应该与原始形状兼容。如果是整数，则结果将是该长度的1-D数组。一个形状维度可以是-1。在这种情况下，从数组的长度和其余维度推断该值。 order：{‘C’，’F’，’A’}可选使用此索引顺序读取a的元素，并使用此索引顺序将元素放置到重新形成的数组中。’C’意味着使用C样索引顺序读取/写入元素，最后一个轴索引变化最快，回到第一个轴索引变化最慢。’F’意味着使用Fortran样索引顺序读取/写入元素，第一个索引变化最快，最后一个索引变化最慢。注意，’C’和’F’选项不考虑底层数组的内存布局，而只是参考索引的顺序。’A’意味着在Fortran类索引顺序中读/写元素，如果a 是Fortran 在内存中连续的，否则为C样顺序。

03

每日论文速递 | GaLore: 使用梯度低秩映射进行大模型 Memory-Efficient 全参训练

摘要：训练大型语言模型（LLMs）面临着显著的内存挑战，主要是由于权重和优化器状态的不断增大。常见的内存降低方法，如低秩适应（LoRA），在每一层中向冻结的预训练权重添加一个可训练的低秩矩阵，从而减少可训练参数和优化器状态。然而，这些方法通常在预训练和微调阶段的性能上都不如使用全秩权重训练，因为它们将参数搜索限制在低秩子空间中，改变了训练动态，并且可能需要全秩热启动。在这项工作中，我们提出了Gradient Low-Rank Projection（GaLore），一种允许全参数学习但比LoRA等常见低秩适应方法更节省内存的训练策略。我们的方法在优化器状态的内存使用上最多减少了65.5%，同时在使用C4数据集进行LLaMA 1B和7B架构的预训练以及在GLUE任务上对RoBERTa进行微调时，保持了效率和性能。我们的8位GaLore相较于BF16基准，将优化器内存进一步降低了82.5%，总训练内存降低了63.3%。值得注意的是，我们首次证明了在具有24GB内存的消费级GPU上（例如NVIDIA RTX 4090）进行7B模型的预训练是可行的，而无需模型并行、检查点策略或卸载策略。

01

每日论文速递 | 【ICLR'24 Oral】LoftQ: 更好地将LLM量化与LoRA微调结合

摘要：量化是为服务大语言模型（LLMs）不可或缺的技术，最近已经应用到LoRA微调中。在这项工作中，我们关注的是在一个预训练模型上同时应用量化和LoRA微调的情景。在这种情况下，通常会观察到在下游任务性能上的一致差距，即在完全微调和量化加LoRA微调方法之间。为了应对这一问题，我们提出了LoftQ（LoRA微调感知量化），这是一个新颖的量化框架，可以同时对LLM进行量化并找到LoRA微调的适当低秩初始化。这种初始化缓解了量化和全精度模型之间的差异，并显著提高了在下游任务中的泛化性能。我们在自然语言理解、问答、摘要和自然语言生成任务上评估了我们的方法。实验证明我们的方法非常有效，并在具有挑战性的2比特和2/4比特混合精度区域中优于现有的量化方法。

01

SEED:在大语言模型中播下一颗视觉的"种子"

近年来，在海量文本语料库上进行预训练的大语言模型已趋于成熟，表现出在理解、推理和生成各种开放式文本任务上的卓越能力。最近的研究聚焦于进一步利用大语言模型的强大通用性来提升视觉理解和视觉生成任务的效果，统称为多模态大语言模型。先前的工作通过将预先训练的图像编码器(例如CLIP-ViT)的视觉特征与大语言模型的输入嵌入空间对齐来执行开放式视觉QA。GILL通过将其输出嵌入空间与预训练的稳定扩散模型对齐，从而赋予大语言模型图像生成能力。虽然这些研究促进了技术进步，但在新兴能力方面，多模态大语言模型尚未取得像大预言模型那样的显著成功。

07

因为对Perl和Python不满？圣诞节无聊？编程语言的出现都这么随意吗？

A.1. 第一个计算机语言：Fortran Fortran I 诞生于 1957 年，由 IBM 设计，是世界上第一个真正的计算机语言。 Fortran I 运行于 IBM 704 计算机上。 Fortran I 支持：变量（变量名最多 6 个字符）、If 和 do 语句、格式化 IO。不支持：数据类型声明、单独编译子程序 Fortran II 发布于 1958 年，主要对 Fortran I 的编译器做了优化，并支持了单独编译的子程序。 Fortran IV 发布于 1962 年，并在 1966

06

MySQL中的几种锁

隔离度有多种实现方式，加锁是其中的一种方式，其理解较为容易且能以开销较小的方式确保数据库系统中并发事物各自运行时，每个事务的运行不受其他事务的影响。

01

NumPy 笔记（超级全！收藏√）

NumPy 教程NumPy Ndarray 对象NumPy 数据类型数据类型对象 (dtype)

03

【面试题精讲】主副版本号不兼容导致的错误

主副版本号不兼容指的是在软件开发中，当一个软件的主版本号和副版本号不匹配时，可能会导致一些错误或者不兼容的情况。主版本号通常表示重大的功能改变或者架构调整，而副版本号则表示小的修复或者增加了一些新特性。

03

不能再简单的意向锁

InnoDB 存储引擎支持多粒度锁（multiple granularity locking），也就是允许行锁和表锁共存。当允许行锁和表锁共存的时候，可能会存在下面这样一个问题：例如我执行如下 SQL：这段 SQL 执行完成后，给 id 为 1 的记录加了排他锁。此时，在另外一个会话中，我如果想给这张表再来一个表级共享锁，如下： lock table user read; 此时就会有一个问题，共享锁和排他锁是互斥的，要给表上共享锁，就得去检查一下表中的每一条记录都不存在排他锁，如果表中的数据量比较大

03

Seurat, SeuratObject and Matrix version issue

如果你在安装和使用Seurat (v5) and SeuratObject (v5) 过程中，出现了一些关于Matrix package的问题，可以看看本文。

06

神经网络的压缩方法总结

我们知道，在一定程度上，网络越深，参数越多，模型越复杂，其最终效果越好。神经网络的压缩算法是，旨在将一个庞大而复杂的预训练模型（pre-trained model）转化为一个精简的小模型。按照压缩过程对网络结构的破坏程度，我们将模型压缩技术分为“前端压缩”和“后端压缩”两部分。

01

能否仅依靠 LoRA 权重，而不依赖于预训练权重？PC-LoRA 给你答案！

自从引入了预训练的 Transformer [27]模型以来，它们在自然语言处理（NLP）[1, 6]和计算机视觉（CV）[2, 7, 28]的一系列任务中展现出了卓越的有效性。然而，它们庞大的规模和高计算需求给部署和微调带来了困难。

01

CVPR 2024 | 分割一切模型SAM泛化能力差？域适应策略给解决了

大语言模型（LLMs）的成功激发了计算机视觉领域探索分割基础模型的兴趣。这些基础分割模型通常通过 Prompt Engineer 来进行 zero/few 图像分割。其中，Segment Anything Model（SAM）是最先进的图像分割基础模型。

01

CVPR 2024 | 分割一切模型SAM泛化能力差？域适应策略给解决了

第一个针对「Segment Anything」大模型的域适应策略来了！相关论文已被CVPR 2024 接收。

01

Clojure与LispClojure与Lisp

Lisp 是一种编程语言，以表达性和功能强大著称，但人们通常认为它不太适合应用于一般情况。Clojure 是一种运行在 Java™ 平台上的 Lisp 方言，它的出现彻底改变了这一现状。如今，在任何具备 Java 虚拟机的地方，都可以利用 Lisp 的强大功能。

03

NumPy 1.26 中文官方指南（四）

括号中跟着逗号的数字表示一个具有一个元素的元组。尾随逗号将一个元素元组与括号n区分开。

01

HEER-Easing Embedding Learning by Comprehensive Transcription of Heterogeneous Information Networks

这篇KDD’18的文章，没有按照常规的方法将所有的node嵌入到同一的空间，因为文章提出 node 因为连接的 edge 类型（type）不同，存在不兼容（incompatibility）的特性，所以最好能够根据不同的edge type来定义不同度量空间（metric space），保持同一个度量空间下，node的兼容性。

01

工作面试老大难-锁（上）

为什么要这么操作呢？其实不难想象，我们操作记录的时候会打上行锁，那么当我们进行表的操作时，根据意向锁可以使效率更高效，不然只能遍历。

02

《利用Python进行数据分析·第2版》第1章准备工作1.1 本书的内容1.2 为什么要使用Python进行数据分析1.3 重要的Python库matplotlibIPython和JupyterSc

下载本书：http://www.jianshu.com/p/fad9e41c1a42（更新为GitHub链接）下载本书代码：https://github.com/wesm/pydata-book（建议把代码下载下来之后，安装好Anaconda 3.6，在目录文件夹中用Jupyter notebook打开） ---- 本书是2017年10月20号正式出版的，和第1版的不同之处有：包括Python教程内的所有代码升级为Python 3.6（第1版使用的是Python 2.7）更新了Anaconda和

07

针对WordPress程序无法升级最新版本的问题分析

WordPress程序是当前使用率最高的CMS系统之一，因开发功能完善，WordPress模板和插件众多而著称，茹莱神兽做三个网站，其中有两个网站使用的是WordPress程序搭建，可见它的受欢迎程度。

00

NumPy 1.26 中文文档（五十四）

NumPy 1.26.0 发布是 1.25.x 发布周期的延续，增加了对 Python 3.12.0 的支持。Python 3.12 放弃了 distutils，因此支持它需要找到一个替代方案来替代 NumPy 使用的 setup.py/distutils 基于的构建系统。我们选择使用 Meson 构建系统，这是第一个支持它的 NumPy 版本。这也是第一个支持 Cython 3.0 的版本，同时保留了 0.29.X 的兼容性。支持这两个升级是一个大项目，在这个版本中有 100 多个文件被修改。更新日志没有完全记录工作的全部范围，特别感谢 Ralf Gommers、Sayed Adel、Stéfan van der Walt 和 Matti Picus 在主要开发分支中做了大部分工作。

01

MySQL探秘(五):InnoDB锁的类型和状态查询

锁是数据库系统区分于文件系统的一个关键特性。数据库使用锁来支持对共享资源进行并发访问，提供数据的完整性和一致性。此外，数据库事务的隔离性也是通过锁实现的。InnoDB在此方面一直优于其他数据库引擎。InnoDB会在行级别上对表数据上锁，而MyISAM只能在表级别上锁，二者性能差异可想而知。

01

MySQL探秘(五):InnoDB锁的类型和状态查询

锁是数据库系统区分于文件系统的一个关键特性。数据库使用锁来支持对共享资源进行并发访问，提供数据的完整性和一致性。此外，数据库事务的隔离性也是通过锁实现的。InnoDB在此方面一直优于其他数据库引擎。InnoDB会在行级别上对表数据上锁，而MyISAM只能在表级别上锁，二者性能差异可想而知。

01

如何解决升级IntelliJ IDEA 2024后打开项目就自动闪退关闭问题的终极指南

随着 IntelliJ IDEA 2024 版本的推出，许多开发者在升级后遇到了项目自动关闭的问题。本文将深入分析此问题的根本原因，主要包括插件兼容性问题，并提供详细的解决步骤。通过本文，无论是编程新手还是资深开发者，都可以轻松解决这一技术难题。文章关键词包括：IntelliJ IDEA 2024, 项目自动关闭问题, 插件兼容性, 技术解决方案，IDEA 2024闪退,IDEA 2024打不开。

01

OpenACC编译器也有免费午餐吃了！

今天，高性能编译器供应商Portland Group（已经被NVIDIA收购）宣布发布PGI Community Edition 版本。该版本最大的特点就是：免费！而且不仅仅是教育单位，个人、政府、科

07

讲解module 'matplotlib' has no attribute 'verbose'

在使用matplotlib库过程中，你可能会遇到一个错误提示：module 'matplotlib' has no attribute 'verbose'。本篇文章将详细解释这个错误的原因以及如何解决它。

01

js的DOM理解

try…catch try{}catch(e) {}finally{} Error.name的六种值对应的信息： 1. EvalError：eval()的使用与定义不一致 2. RangeError：数值越界 3. ReferenceError：非法或不能识别的引用数值 4. SyntaxError：发生语法解析错误 5. TypeError：操作数类型错误 6. URIError：URI处理函数使用不当复制代码 es5严格模式 “use strict” 不再兼容es3的一些不规则语法。使用全

03

dotnet 根据基线包版本实现库版本兼容

本文来告诉大家如何根据基线包版本的功能来实现自动在构建过程中，告诉开发者，当前版本是否存在不兼容旧版本的变更。其不兼容变更包括二进制中断变更和 API 不兼容变更和源代码中断变更。可以让库开发者花更少的精力在测试兼容性上

01

设计模式之适配器模式

适配器模式（Adapter Pattern）是一种结构型设计模式，它允许将现有类（即被适配者）的接口转换成另一种接口，以满足客户端的期望。适配器模式通常用作两种不兼容接口之间的桥梁，使得原本由于接口不兼容而不能一起工作的类可以一起工作。

01

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭