1.��13Դ��
2.PyTorch源码学习 - （13）模型的负源保存与加载
3.用python开发一个炸金花小游戏，注意别玩上瘾了~~

��13Դ��

       说到二进制补码，大家都知道：有符号数的负源负数的补码是 其正数的反码+1，例如 的码负码反码补码补码是反码 加 1 = ，很多书都这么说，负源可是码负码反码补码网页实现留言源码为什么这样计算的结果就是它的补码？为什么要用补码？很多书要么不解释，要么就是负源说：这是因为在计算机内补码计算最快。（其实是码负码反码补码补码计算指令的CPU设计更容易实现） 最初我看的书，《大学计算机基础教程》（我非计算机专业），负源这破书说不清，码负码反码补码道不明，负源给与我非常严重负面的码负码反码补码影响，以至于我在以后的负源计算机学习过程中，程序设计中遇到大大小小不少麻烦和迷茫。码负码反码补码

       在某些计算机组成原理书上提到：其实补码的负源计算原理，是用一个模来减去无符号的正数部分。譬如时钟，点之后是点，但是时钟上没有点怎么办？就用减去=1点。这个模是.可惜这个比喻并不是很好。

       请看 一个字节长的源码显示区无符号数的表示范围 ：0~，有符号数的表示范围：-~ , 注意，这个表示范围的写法极有可能影响我们的思维，从而导致错误。我们应该这样来写：0~ ~ - ~ -1 ,这才是较好的写法。为什么？因为这个写法的数的顺序与0~ 一一对应。

       由上，我们了解，其实补码不过是用 ~ 这段范围的数来表示 ~ ~ -1这段范围的负数。那么我们就可以凭自己，而不是看教材，就可以推测出计算补码的公式，就是：-欲求的负数的绝对值= 此负数的补码。

       没错，就是这么简单的东西，可是却困扰了很多人。可见有个好的教材是多么的重要。

       至于前面 “负数的补码是 其正数的反码+1” ， 极为垃圾的教材才会把这个计算方法作为初始方法来教。因为这个计算方法屏蔽了补码的计算原理。其实这不过是筹码带宽源码 “ - 欲求的负数的绝对值 = 此负数的补码”的一个比较取巧的计算方法而已。请看 =1 = +1，而 减任何二进制数的结果就是把这个数取反，那么 - 某二进制数A 既是：将 A取反 +1

       以上：完毕！

       注：所有讨论均在字节长范围内（8bit) 进行

PyTorch源码学习 - （）模型的保存与加载

       在PyTorch源码中，模型的保存与加载是通过`torch.save`和`torch.load`两个核心函数实现的。`torch.save`负责将一个Python对象持久化到磁盘文件，而`torch.load`则用于从磁盘文件中恢复对象。

       在具体的实现中，`torch.save`会使用一系列辅助函数如`torch._opener`，`torch._open_zipfile_writer`，`torch._open_zipfile_writer_file`，`torch._open_zipfile_writer_buffer`等来操作文件和流。根据文件或内存缓冲区创建流容器，进行对象的保存。`torch._save`则进一步封装了文件的打开和写入过程，`torch._open_file_like`和`torch._open_file`用于管理文件句柄，`torch._open_buffer_writer`和`torch._open_buffer_reader`则封装了二进制流的读写。

       对于模型加载，`torch.load`函数通过`torch._open_zipfile_reader`和`torch._weights_only_unpickler`实现。`torch._weights_only_unpickler`是共振源码大全定制的反序列化器，限制了处理的数据类型，确保安全加载模型权重。`torch._get_restore_location`和`torch.default_restore_location`则用于获取和设置恢复位置，以支持在多设备或分布式环境下的模型加载。

       实现中，Python和C++的结合是关键，PyTorch使用`PyBind`实现C++和Python接口的绑定。`torch/_C/ __init__.pyi`用于定义Python中类型信息的模板，`torch/csrc/jit/python/init.cpp`则用于实现JIT（Just-In-Time）编译系统，将C++类对象绑定到Python环境，实现高效的动态编译。

       在PyTorch中，Python主要负责管理C++对象，核心工作包括管理C++对象的生命周期、调用C++方法，以及处理Python层面的逻辑和接口定义。通过这样的结合，PyTorch实现了高性能和易用性的统一，为深度学习模型的开发和应用提供了强大支持。

       整体来看，简约搜索源码PyTorch的模型保存与加载机制通过精细的文件操作和对象管理，以及Python与C++的高效结合，确保了模型的高效持久化与灵活加载，为深度学习模型的开发与部署提供了坚实的底层支持。

用python开发一个炸金花小游戏，注意别玩上瘾了~~

       众所周知?扑克牌可谓是居家旅行、桌面交友的必备道具，今天我们用 Python 来实现一个类似炸金花的扑克牌小游戏，先来看一下基本的游戏规则。

       炸（诈）金花又叫三张牌，是在全国广泛流传的一种民间多人纸牌游戏。游戏使用一副除去大小王的扑克牌，共 4 个花色 张牌，各个玩家从中抽取 3 张牌，比较大小。各种牌型的大小顺序如下（按照全排列组合中出现的概率越小，牌型分数奖励越大）：1、同花顺：三张同样花色且点数连续的牌，如红心2、红心3、红心4；2、豹子：三张点数一样的牌，如 AAA、；3、顺子：三张点数连续的牌，如红心2、黑桃3、方块4；4、金花：三张同样花色的牌，如红心2、红心5、红心8；5、对子：两张点数一样的牌，如红心2、黑桃2；6、单张：2~ < J < Q < K < A。以下概率截自百度百科： 注：本文所述游戏规则与实际有所不同，主要基于对不同牌型的比较进行设计

       一、游戏流程实现

       1、准备扑克牌 开始游戏前，需要先生成一副满足要求的扑克牌，牌友们都知道，扑克牌有以下四种花色，每种花色有 A、2~、J、Q、K 等 张牌。

suit = ["黑桃", "红心", "方块", "梅花"]num = [str(i) for i in range(2, )] + ["J", "Q", "K", "A"]

       为了便于后续算分，先给每一个单张赋予相应的点数。

score_map = { }# 单张点数映射表for s in suit:count = 2for n in num:score_map[f"{ s}{ n}"] = countcount += 1

       扑克牌点数预览如下：

       score_map = { '黑桃2': 2, '黑桃3': 3, '黑桃4': 4, '黑桃5': 5, '黑桃6': 6, '黑桃7': 7, '黑桃8': 8, '黑桃9': 9, '黑桃': , '黑桃J': , '黑桃Q': , '黑桃K': , '黑桃A': , '红心2': 2, ... }

       2、玩家入场 以 p1、p2 等名称对玩家进行区分，我们先邀请 5 个玩家入场。

players = [f"p{ i}" for i in range(1, 6)]

       3、发牌 将玩家和扑克牌列表作为参数，传入发牌器。发牌器在扑克牌中进行不放回抽取，为每个玩家随机抽取 3 张牌，并记下玩家名称及其对应牌组。

def get_pk_lst(pls, pks):result = []for p in pls:pk = sample(pks, 3)for _pk in pk:pks.remove(_pk)result.append({ "name": p, "poker": pk})return resultpokers = list(score_map.keys())# 去掉大小王的一幅扑克poker_grp = get_pk_lst(players, pokers)# 发牌

       发牌预览如下：

       result = [{ 'name': 'p1', 'poker': ['方块5', '梅花3', '方块A']}, { 'name': 'p2', 'poker': ['黑桃4', '方块8', '黑桃J']}, { 'name': 'p3', 'poker': ['红心', '红心K', '方块7']}, { 'name': 'p4', 'poker': ['方块4', '梅花6', '方块J']}, { 'name': 'p5', 'poker': ['红心5', '梅花', '黑桃A']}]

       4、判断牌型及算分 在算分之前先按之前的映射字典，将 pk_lst 里的 3 张扑克牌转换成对应的点数。

n_lst = list(map(lambda x: score_map[x], pk_lst))# 点数映射

       接下来截取花色部分的文本，利用集合去重后判断是否为三张同花。

same_suit = len(set([pk[:2] for pk in pk_lst])) == 1# 是否同花色

       再对点数部分进行排序，与依靠点数的最值生成的顺序列表进行比较，判断是否为连续的点数。要注意的是，A 与 QKA 一样被视作顺子。

continuity = sorted(n_lst) == [i for i in range(min(n_lst), max(n_lst) + 1)] or set(n_lst) == { , 2, 3}# 是否连续

       别忘了考虑对子和豹子的检查方式。

       check = len(set(n_lst)) # 重复情况

       那么正式开始判断牌型和算分吧！首先是单张，非同花、非顺子、三张点数不一。得分以 3 个单张点数相加。

if not same_suit and not continuity and check == 3:return sum(n_lst), "单张"

       其次是对子，非同花，有且仅有两张点数一致。得分中对于构成对子的部分给予 2 倍奖励。

if not same_suit and check == 2:w = [i for i in n_lst if n_lst.count(i) == 2][0]single = [i for i in n_lst if i != w][0]return w*2*2 + single, "对子"

       金花，即同花而非顺子，给予 9 倍奖励。

if same_suit and not continuity:return sum(n_lst)*9, "金花"

       顺子，即点数连续而非同花，给予 倍奖励。

score_map = { }# 单张点数映射表for s in suit:count = 2for n in num:score_map[f"{ s}{ n}"] = countcount +=

       豹子，即三张点数一致，这不得刷个 嘛。

score_map = { }# 单张点数映射表for s in suit:count = 2for n in num:score_map[f"{ s}{ n}"] = countcount +=

       同花顺，同花色且点数连续，绝了，赌神一个技能 伤害。

score_map = { }# 单张点数映射表for s in suit:count = 2for n in num:score_map[f"{ s}{ n}"] = countcount +=

       5、决出胜负 一组玩家、抽牌、算分、牌型记录如下：

       pk_grp = [{ 'name': 'p1', 'poker': ['方块5', '梅花3', '方块A'], 'score': , 'type': '单张'}, { 'name': 'p2', 'poker': ['黑桃4', '方块8', '黑桃J'], 'score': , 'type': '单张'}, { 'name': 'p3', 'poker': ['红心', '红心K', '方块7'], 'score': , 'type': '单张'}, { 'name': 'p4', 'poker': ['方块4', '梅花6', '方块J'], 'score': , 'type': '单张'}, { 'name': 'p5', 'poker': ['红心5', '梅花', '黑桃A'], 'score': , 'type': '单张'}]

       利用 max 函数找出来谁是最棒的，公布名字！

score_map = { }# 单张点数映射表for s in suit:count = 2for n in num:score_map[f"{ s}{ n}"] = countcount +=

       赢家是------ p3

       好啦，又可以开始下一场愉快的游戏了~

       二、统计及源码

       1、牌型统计 进行了 万场游戏并对各类牌型进行频率统计，可见与前述排列组合的计算所得概率基本一致。

score_map = { }# 单张点数映射表for s in suit:count = 2for n in num:score_map[f"{ s}{ n}"] = countcount +=

       2、牌局案例 各类牌型的局面和结果如下：

score_map = { }# 单张点数映射表for s in suit:count = 2for n in num:score_map[f"{ s}{ n}"] = countcount +=

       3、完整代码

# 炸金花from random import samplefrom collections import Counterdef get_pk_lst(pls, pks):# 发牌result = []for p in pls:pk = sample(pks, 3)for _pk in pk:pks.remove(_pk)result.append({ "name": p, "poker": pk})return resultdef calculate(_score_map, pk_lst):# 返回得分和牌型n_lst = list(map(lambda x: _score_map[x], pk_lst))# 点数映射same_suit = len(set([pk[:2] for pk in pk_lst])) == 1# 是否同花色continuity = sorted(n_lst) == [i for i in range(min(n_lst), max(n_lst) + 1)] or set(n_lst) == { , 2, 3}# 是否连续check = len(set(n_lst))# 重复情况if not same_suit and not continuity and check == 3:return sum(n_lst), "单张"if not same_suit and check == 2:w = [i for i in n_lst if n_lst.count(i) == 2][0]single = [i for i in n_lst if i != w][0]return w*2*2 + single, "对子"if same_suit and not continuity:return sum(n_lst)*9, "金花"if continuity and not same_suit:return sum(n_lst)*, "顺子"if check == 1:return sum(n_lst)*, "豹子"if continuity and same_suit:return sum(n_lst)*, "同花顺"def compare(_score_map, pk_grp):# 比大小for p in pk_grp:p["score"], p["type"] = calculate(_score_map, p["poker"])print("开牌结果------")for p in pk_grp:print(p)print("赢家是------")score_map = { }# 单张点数映射表for s in suit:count = 2for n in num:score_map[f"{ s}{ n}"] = countcount += print(best)return pk_grpdef show(_score_map, _players): # 开局pokers = list(_score_map.keys())poker_grp = get_pk_lst(_players, pokers)return compare(_score_map, poker_grp)def start_game(_score_map, _players, freq=1): # 游戏和统计type_lst = []for i in range(freq):grp = show(_score_map, _players)type_lst = type_lst + [t["type"] for t in grp]c = Counter(type_lst)print(c)total = sum(c.values())for item in c.items():print(f"{ item[0]}频率：{ item[1]/total:.2%}")if __name__ == '__main__':# 准备扑克牌suit = ["黑桃", "红心", "方块", "梅花"]num = [str(i) for i in range(2, )] + ["J", "Q", "K", "A"]score_map = { }# 单张点数映射表for s in suit:count = 2for n in num:score_map[f"{ s}{ n}"] = countcount += 1# 5个玩家入场players = [f"p{ i}" for i in range(1, 6)]# 开始游戏start_game(score_map, players, freq=)

       以上就是本次分享的所有内容，想要了解更多欢迎前往公众号：Python 编程学习圈，每日干货分享

原文：/post/