翻译下面代码from wordcloud import WordCloudimport matplotlib.pyplot as plt with open('text.txt', 'r') as f: text = f.read()

时间: 2024-05-30 18:15:25 浏览: 149
PY

word_cloud.py

将下面的代码翻译成中文： 从词云中导入 WordCloud 模块 从 matplotlib.pyplot 中导入 pyplot 模块并将其重命名为 plt 使用 open() 函数打开名为 'text.txt' 的文件，并将文件对象赋值给变量 f 使用 f.read() 函数读取文本文件的内容并将其赋值给变量 text
阅读全文

相关推荐

rar

read-and-show-color-image.rar_show_site:www.pudn.com_spyder read

import matplotlib.pyplot as plt # 使用matplotlib显示图像 plt.imshow(img) plt.show() 4. 针对Spyder环境：Spyder是一个强大的Python IDE，它集成了IPython控制台，因此在运行上述代码后，图像将在...
gz

wordcloud-1.8.1.tar.gz

with open('text.txt', 'r', encoding='utf-8') as f: text = f.read() wordcloud = WordCloud(font_path='simhei.ttf', background_color='white').generate(text) plt.imshow(wordcloud, interpolation='...

import matplotlib.pyplot as pit import matplotlib.pyplot as plt from wordcloud import WordCloud text = open().read() text = " ".join(jieba.cut(text)) wc = WordCloud(font_path = "",width = 500,height = 300,mode="RGBA",backgroud_color=None).generate(text) plt.imshw(wc,interpolation="") plt.axis("") plt.show() wc.to_file("")

1. import matplotlib.pyplot as pit 应该改为 import matplotlib.pyplot as plt。 2. text = open().read() 应该指定要读取的文本文件路径，比如 text = open('example.txt', encoding='utf-8').read()。 3...

import jieba import numpy from PIL import Image from wordcloud import WordCloud, STOPWORDS import matplotlib.pyplot as plt with open("comments.txt","r",encoding="utf-8") as f: comments = f.read() words = jieba.cut(comments) stopwords = set(STOPWORDS) stopwords.add('腾讯') stopwords.add('游戏') filtered_words = [] for word in words: if word not in stopwords: filtered_words.append(word) cloud = WordCloud( font_path="C:\Windows\Fonts\simsun.ttc", background_color="white", mask= ).generate() cloud.to_file("词云.png") print("词云绘制成功")这个代码缺什么

这个代码缺少一个参数，即 WordCloud 类的 mask 参数，用于指定词云的形状。你需要指定一个 PIL Image 对象作为 mask，例如： python mask = np.array(Image.open("mask.png")) cloud = WordCloud( font_path=...

修改代码import jieba import numpy as np import matplotlib.pyplot as plt text = open('comment.txt', encoding='utf-8').read() from PIL import Image, ImageDraw, ImageFont from wordcloud import WordCloud text = ' '.join(jieba.cut(text)) # 生成对象 mask = np.array(Image.open("computer.jpg")) wc = WordCloud(ImageFont.truetype("arial.ttf")).generate(text) # 显示词云 # plt.imshow(wc, interpolation = 'bilinear') # plt.axis("off") # plt.show() # 保存文件 wc.to_file('rs_computer.png')

import matplotlib.pyplot as plt from PIL import Image, ImageDraw, ImageFont from wordcloud import WordCloud text = open('comment.txt', encoding='utf-8').read() text = ' '.join(jieba.cut(text)) #...

import jieba import numpy import numpy as np from PIL import Image from wordcloud import WordCloud, STOPWORDS import matplotlib.pyplot as plt with open("comments.txt","r",encoding="utf-8") as f: comments = f.read() words = jieba.cut(comments) stopwords = set(STOPWORDS) stopwords.add('腾讯') stopwords.add('游戏') filtered_words = [] for word in words: if word not in stopwords: filtered_words.append(word) mask = np.array(Image.open("mask.png")) cloud = WordCloud( font_path="C:\Windows\Fonts\simsun.ttc", background_color="white", mask=mask ).generate(" ".join(filtered_words)) cloud.to_file("词云.png") print("词云绘制成功")这个代码怎么运行错误

with open("comments.txt","r",encoding="utf-8") as f: comments = f.read() words = jieba.cut(comments) stopwords = set(STOPWORDS) stopwords.add('腾讯') stopwords.add('游戏') filtered_words = [] ...

我的代码是这个：from wordcloud import WordCloud import matplotlib.pyplot as plt # 读取文本文件 with open('/home/coder/project/比亚迪汉关键词', 'r', encoding='utf-8') as file: text = file.read() # 创建词云对象 wordcloud = WordCloud(width=800, height=400, background_color='white', layout_engine='matplotlib').generate(text) # 绘制词云图像 plt.figure(figsize=(10, 5)) plt.imshow(wordcloud, interpolation='bilinear') plt.axis('off') plt.show()

你的代码看起来是正确的，可以生成词云图像。只需注意几个问题： 1. 确保你的文本文件路径是正确的。/home/coder/project/比亚迪汉关键词是一个绝对路径，表示文本文件在Linux系统的/home/coder/project/目录下...

请说明下列代码的设计步骤和设计思路：from wordcloud import WordCloud import matplotlib.pyplot as plt # 打开文本 text = open(r"C:\Users\HP\Desktop\learn\piano\shumo.txt",'r', encoding="gb18030").read() # 生成对象 wc = WordCloud().generate(text) # 显示词云 plt.imshow(wc, interpolation='bilinear') plt.axis("off") plt.show() # 保存到文件 wc.to_file(r"C:\Users\HP\Desktop\tupian\bilibli\67pasrbsydsabL2M8QeBnmwDO4zhJ1hq.gif")

这段代码是使用WordCloud库和Matplotlib库生成词云并显示的设计步骤和思路。下面是设计步骤和思路的详细解释： 1. 导入必要的库：首先，需要导入WordCloud和Matplotlib库。 2. 打开文本文件：使用open()函数打开一...

filename = 'words_ls.txt' with open(filename, 'r', encoding='UTF-8') as f: mytext = f.read() wordcloud = WordCloud().generate(mytext) %pylab inline import matplotlib.pyplot as plt plt.imshow(wordcloud, interpolation='bilinear') plt.axis("off") #保存文件 wc.to_file(r"C:\\Users\\Administrator\\Desktop\\ciyun.png") filename = 'words_ls.txt' with open(filename, 'r', encoding='UTF-8') as f: mytext = f.read() wordcloud = WordCloud().generate(mytext)代码问题

import matplotlib.pyplot as plt plt.imshow(wordcloud, interpolation='bilinear') plt.axis("off") plt.show() # 保存词云图 wordcloud.to_file("C:\\Users\\Administrator\\Desktop\\ciyun.png") 修正后的...

写出以下代码的设计思路及设计步骤from wordcloud import WordCloud import matplotlib.pyplot as plt # 打开文本 text = open(r"C:\Users\28243\Desktop\zuoye\i love china.txt").read() # print(text) # print(type(text)) # <class 'str'> # 生成对象 wc = WordCloud().generate(text) # 显示词云 plt.imshow(wc, interpolation='bilinear') # interpolation设置插值，设置颜色、排列等 plt.axis("off") # 关闭坐标轴 plt.show() # 将词云图片保存到文件 wc.to_file(r"C:\Users\28243\Desktop\zuoye\image.png")

text = open(r"C:\Users\28243\Desktop\zuoye\i love china.txt").read() # 生成对象 wc = WordCloud().generate(text) # 显示词云 plt.imshow(wc, interpolation='bilinear') plt.axis("off") plt.show() # 将...

帮我检查一下代码中的错误import jieba from collections import Counter import wordcloud import matplotlib.pyplot as plt # 打开文件并读取文本内容 with open('阿城《棋王》.TXT', 'r', encoding='utf-8') as f: text = f.read() # 使用jieba进行分词 words = jieba.cut(text) # 统计每个单词出现的次数 word_counts = Counter(words) # 获取出现频率最高的前50个单词 top_words = dict(word_counts.most_common(50)) # 生成词云图 wc = wordcloud.WordCloud(background_color="white", width=1000, height=600, font_path='HY.ttf') wc.generate_from_frequencies(top_words) # 显示词云图 plt.imshow(wc) plt.axis("off") plt.show()

你的代码中没有明显的语法错误，但是需要... import matplotlib.pyplot as plt %matplotlib inline plt.imshow(wc) plt.axis("off") plt.show() 如果你是在终端中运行代码，可以省略 %matplotlib inline。

代码解释from PIL import Image import matplotlib import pandas as pd import matplotlib.pyplot as plt from wordcloud import WordCloud import seaborn as sns import numpy as np from pyecharts import options as opts sns.set(font="Kaiti", style="ticks", font_scale=1.4) matplotlib.rcParams['axes.unicode_minus'] = False df = pd.read_excel('战狼2-观看后=清洗后的数据(1).xlsx') img = Image.open('zhanlang.jpg'） mask = np.array(img) column_name = '评论内容' text_data = ' '.join(df[column_name].dropna().astype(str).tolist()) print(text_data) wordcloud = WordCloud(font_path="msyh.ttc",mask=mask, width=800, height=400, background_color='white').generate(text_data) wordcloud.generate(text_data) plt.figure(figsize=(10, 5)) plt.imshow(wordcloud, interpolation='bilinear') plt.axis('off') plt.show() wordcloud.to_file("1_词云图.png")

这段代码是用来生成一张词云图。首先导入了需要的库，包括PIL用于处理图片，matplotlib用于绘图，pandas用于数据处理，seaborn用于设置绘图样式，numpy用于处理数组，以及pyecharts和wordcloud库。然后读取了一个...

import matplotlib.pyplot as plt import jieba import wordcloud from wordcloud import ImageColorGenerator import numpy as np from PIL import Image # 读取文本文件 text = open('4447.txt',encoding='utf-8'.read() cut_text = jieba.cut(text) word = ' '.join(cut_text) return txt_jieba #读取图片 pic = np.array(Image.open('aa.png')) image_colors = ImageColorGenerator(pic) wd = wordcloud.WordCloud( mask=pic, font_path='simhei.ttf', background_color='pink', ) wd.generate(word) plt.imshow(wd.recolor(color_func=image_colors), interpolation='bilinear') plt.axis('y off') plt.show('x on')

import matplotlib.pyplot as plt import jieba import wordcloud from wordcloud import ImageColorGenerator import numpy as np from PIL import Image # 读取文本文件 text = open('4447.txt', encoding='utf-8...

优化下这段代码 import xdrlib, sys import xlrd import matplotlib.pyplot as plt class ReadExcel: def __init__(self, file, sheet_name, g_ranklist, ranklist, ranklist2): self.file = file self.sheet_name = sheet_name self.colnameindex =

在上面的代码中，我们首先删除了导入模块 xdrlib 和 matplotlib.pyplot，因为它们没有在代码中使用。然后，我们将构造函数 __init__ 拆分为两个独立的方法 get_sheet 和 process_data。方法 get_sheet ...

import pickle from os import path import jieba import jieba.analyse import matplotlib.pyplot as plt from wordcloud import WordCloud,STOPWORDS,ImageColorGenerator import sys sys.path.append('C:\\Users\\李肖\\PycharmProjects\\pythonProject\\text.txt') with open('C:\\Users\\李肖\\PycharmProjects\\pythonProject\\text.txt','r',encoding='utf-8')as fin: text=fin.read() background_Image=plt.imread('star.jpg') print('加载图片成功!') '''设置词云样式''' wc = WordCloud(background_color="black", mask=background_Image, font_path='msyh.ttc', max_words=200, stopwords=STOPWORDS, max_font_size=50, random_state=30) wc.generate_from_text(text) print('开始加载文本') plt.imshow(wc) plt.axis('off') plt.show() d=path.dirname(__file__) wc.to_file(path.join(d,"h11.jpg")) print('生成词云成功！')解释每个代码

with open('C:\\Users\\李肖\\PycharmProjects\\pythonProject\\text.txt','r',encoding='utf-8')as fin: text=fin.read() 4. 加载图片作为词云的背景图 background_Image=plt.imread('star.jpg') 5....

import torchimport pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom torch.utils.data import Dataset, DataLoaderfrom torch import nn, optimfrom sklearn.decomposition import PCAimport chardetrawdata = open('test.csv', 'rb').read() # 加载新的测试数据result = chardet.detect(rawdata)encoding = result['encoding']data = pd.read_csv('test.csv', encoding=encoding) # 读取新的测试数据print(data.columns)的运算过程

这段代码首先使用了 chardet 库来自动检测新的测试数据文件 test.csv 的编码格式，并将其存储在 encoding 变量中。然后使用 Pandas 库中的 read_csv 函数读取 test.csv 文件，并将读取结果存储在 data 变量中。最后...

import os import pandas as pd import glob import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns %matplotlib inline plt.rcParams['font.sans-serif']=['SimHei'] plt.rcParams['axes.unicode_minus']=Falsecsv_list = glob.glob('all.csv') print(u'共发现%s个CSV文件'% len(csv_list)) print(u'正在处理............') for i in csv_list: fr = open(i,'rb').read() with open('result.csv','ab') as f: f.write(fr) print('合并完毕！')

这段代码的功能是将当前目录下所有后缀名为csv的文件合并成一个名为result.csv的文件。具体来说，首先使用glob.glob('all.csv')获取当前目录下所有后缀名为csv的文件，并将其保存到csv_list列表中。然后使用for循环...
pdf

命令手册 Linux常用命令

命令手册 Linux常用命令
rar

【超强组合】基于VMD-雪融优化算法SAO-Transformer-GRU的光伏预测算研究Matlab实现.rar

1.版本：matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 替换数据可以直接使用，注释清楚，适合新手

最新推荐

recommend-type

命令手册 Linux常用命令

命令手册 Linux常用命令
recommend-type

【超强组合】基于VMD-雪融优化算法SAO-Transformer-GRU的光伏预测算研究Matlab实现.rar

1.版本：matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 替换数据可以直接使用，注释清楚，适合新手
recommend-type

【超强组合】基于VMD-花朵授粉优化算法FPA-Transformer-BiLSTM的光伏预测算研究Matlab实现.rar

1.版本：matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 替换数据可以直接使用，注释清楚，适合新手
recommend-type

基于SpringBoot+Shiro+mysql实现的个人博客前后台管理系统 【完整源码+数据库】

一、功能描述 文章管理 分类管理 评论管理 数据库监控 通用页面 后台首页 友链管理 在线用户 权限管理 角色管理 站点管理 标签管理 主题管理 上传管理 用户管理 踢出页面 登录页面 注册页面 主题目录 默认主题 二、技术栈 Spring Boot、Apache Shiro、MyBatis-Plus、Alibaba Druid、Redis、MySQL、Thymeleaf 三、安装 将本项目源码导入本地开发工具(如 IntelliJ IDEA )，本地开发工具需要安装 lombok 插件 安装Mysql数据库：Mysql版本最低支持5.7，新建 database CREATE DATABASE pb_cms_base; 初始化数据库：找到项目数据库文件:docs/db/pb_cms_base.sql，执行 pb_cms_base.sql 前台首页，浏览器访问http://localhost:8080 后台首页，浏览器访问http://localhost:8080/admin使用账号密码admin,123456登录系统后台。
recommend-type

探索数据转换实验平台在设备装置中的应用

资源摘要信息:"一种数据转换实验平台" 数据转换实验平台是一种专门用于实验和研究数据转换技术的设备装置，它能够帮助研究者或技术人员在模拟或实际的工作环境中测试和优化数据转换过程。数据转换是指将数据从一种格式、类型或系统转换为另一种，这个过程在信息科技领域中极其重要，尤其是在涉及不同系统集成、数据迁移、数据备份与恢复、以及数据分析等场景中。 在深入探讨一种数据转换实验平台之前，有必要先了解数据转换的基本概念。数据转换通常包括以下几个方面： 1. 数据格式转换：将数据从一种格式转换为另一种，比如将文档从PDF格式转换为Word格式，或者将音频文件从MP3格式转换为WAV格式。 2. 数据类型转换：涉及数据类型的改变，例如将字符串转换为整数，或者将日期时间格式从一种标准转换为另一种。 3. 系统间数据转换：在不同的计算机系统或软件平台之间进行数据交换时，往往需要将数据从一个系统的数据结构转换为另一个系统的数据结构。 4. 数据编码转换：涉及到数据的字符编码或编码格式的变化，例如从UTF-8编码转换为GBK编码。 针对这些不同的转换需求，一种数据转换实验平台应具备以下特点和功能： 1. 支持多种数据格式：实验平台应支持广泛的数据格式，包括但不限于文本、图像、音频、视频、数据库文件等。 2. 可配置的转换规则：用户可以根据需要定义和修改数据转换的规则，包括正则表达式、映射表、函数脚本等。 3. 高度兼容性：平台需要兼容不同的操作系统和硬件平台，确保数据转换的可行性。 4. 实时监控与日志记录：实验平台应提供实时数据转换监控界面，并记录转换过程中的关键信息，便于调试和分析。 5. 测试与验证机制：提供数据校验工具，确保转换后的数据完整性和准确性。 6. 用户友好界面：为了方便非专业人员使用，平台应提供简洁直观的操作界面，降低使用门槛。 7. 强大的扩展性：平台设计时应考虑到未来可能的技术更新或格式标准变更，需要具备良好的可扩展性。 具体到所给文件中的"一种数据转换实验平台.pdf"，它应该是一份详细描述该实验平台的设计理念、架构、实现方法、功能特性以及使用案例等内容的文档。文档中可能会包含以下几个方面的详细信息： - 实验平台的设计背景与目的：解释为什么需要这样一个数据转换实验平台，以及它预期解决的问题。 - 系统架构和技术选型：介绍实验平台的系统架构设计，包括软件架构、硬件配置以及所用技术栈。 - 核心功能与工作流程：详细说明平台的核心功能模块，以及数据转换的工作流程。 - 使用案例与操作手册：提供实际使用场景下的案例分析，以及用户如何操作该平台的步骤说明。 - 测试结果与效能分析：展示平台在实际运行中的测试结果，包括性能测试、稳定性测试等，并进行效能分析。 - 问题解决方案与未来展望：讨论在开发和使用过程中遇到的问题及其解决方案，以及对未来技术发展趋势的展望。 通过这份文档，开发者、测试工程师以及研究人员可以获得对数据转换实验平台的深入理解和实用指导，这对于产品的设计、开发和应用都具有重要价值。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本：布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学，1996年。法语。NNT：电话：00345357HAL ID：电话：00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆，用于存放和传播科学研究论文，无论它们是否被公开。论文可以来自法国或国外的教学和研究机构，也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

ggflags包的国际化问题：多语言标签处理与显示的权威指南

![ggflags包的国际化问题：多语言标签处理与显示的权威指南](https://www.verbolabs.com/wp-content/uploads/2022/11/Benefits-of-Software-Localization-1024x576.png) # 1. ggflags包介绍及国际化问题概述 在当今多元化的互联网世界中，提供一个多语言的应用界面已经成为了国际化软件开发的基础。ggflags包作为Go语言中处理多语言标签的热门工具，不仅简化了国际化流程，还提高了软件的可扩展性和维护性。本章将介绍ggflags包的基础知识，并概述国际化问题的背景与重要性。 ## 1.1
recommend-type

如何使用MATLAB实现电力系统潮流计算中的节点导纳矩阵构建和阻抗矩阵转换，并解释这两种矩阵在潮流计算中的作用和差异？

在电力系统的潮流计算中，MATLAB提供了一个强大的平台来构建节点导纳矩阵和进行阻抗矩阵转换，这对于确保计算的准确性和效率至关重要。首先，节点导纳矩阵是电力系统潮流计算的基础，它表示系统中所有节点之间的电气关系。在MATLAB中，可以通过定义各支路的导纳值并将它们组合成矩阵来构建节点导纳矩阵。具体操作包括建立各节点的自导纳和互导纳，以及考虑变压器分接头和线路的参数等因素。 参考资源链接：[电力系统潮流计算：MATLAB程序设计解析](https://wenku.csdn.net/doc/89x0jbvyav?spm=1055.2569.3001.10343) 接下来，阻抗矩阵转换是
recommend-type

使用git-log-to-tikz.py将Git日志转换为TIKZ图形

资源摘要信息:"git-log-to-tikz.py 是一个使用 Python 编写的脚本工具，它能够从 Git 版本控制系统中的存储库生成用于 TeX 文档的 TIkZ 图。TIkZ 是一个用于在 LaTeX 文档中创建图形的包，它是 pgf（portable graphics format）库的前端，广泛用于创建高质量的矢量图形，尤其适合绘制流程图、树状图、网络图等。 此脚本基于 Michael Hauspie 的原始作品进行了更新和重写。它利用了 Jinja2 模板引擎来处理模板逻辑，这使得脚本更加灵活，易于对输出的 TeX 代码进行个性化定制。通过使用 Jinja2，脚本可以接受参数，并根据参数输出不同的图形样式。 在使用该脚本时，用户可以通过命令行参数指定要分析的 Git 分支。脚本会从当前 Git 存储库中提取所指定分支的提交历史，并将其转换为一个TIkZ图形。默认情况下，脚本会将每个提交作为 TIkZ 的一个节点绘制，同时显示提交间的父子关系，形成一个树状结构。 描述中提到的命令行示例： ```bash git-log-to-tikz.py master feature-branch > repository-snapshot.tex ``` 这个命令会将 master 分支和 feature-branch 分支的提交日志状态输出到名为 'repository-snapshot.tex' 的文件中。输出的 TeX 代码使用TIkZ包定义了一个 tikzpicture 环境，该环境可以被 LaTeX 编译器处理，并在最终生成的文档中渲染出相应的图形。在这个例子中，master 分支被用作主分支，所有回溯到版本库根的提交都会包含在生成的图形中，而并行分支上的提交则会根据它们的时间顺序交错显示。 脚本还提供了一个可选参数 `--maketest`，通过该参数可以执行额外的测试流程，但具体的使用方法和效果在描述中没有详细说明。一般情况下，使用这个参数是为了验证脚本的功能或对脚本进行测试。 此外，Makefile 中提供了调用此脚本的示例，说明了如何在自动化构建过程中集成该脚本，以便于快速生成所需的 TeX 图形文件。 此脚本的更新版本允许用户通过少量参数对生成的图形进行控制，包括但不限于图形的大小、颜色、标签等。这为用户提供了更高的自定义空间，以适应不同的文档需求和审美标准。 在使用 git-log-to-tikz.py 脚本时，用户需要具备一定的 Python 编程知识，以理解和操作 Jinja2 模板，并且需要熟悉 Git 和 TIkZ 的基本使用方法。对于那些不熟悉命令行操作的用户，可能需要一些基础的学习来熟练掌握该脚本的使用。 最后，虽然文件名称列表中只列出了 'git-log-to-tikz.py-master' 这一个文件，但根据描述，该脚本应能支持检查任意数量的分支，并且在输出的 TeX 文件中使用 `tikzset` 宏来轻松地重新设置图形的样式。这表明脚本具有较好的扩展性和灵活性。"
recommend-type

"互动学习：行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动，互动学习以行动为中心的强化学习学会互动，互动学习，以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授：智囊团论文联合主任菲利普·普雷教授，大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授，Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士，Deepmind对于那些及时看到自己错误的人...3谢谢你首先，我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔，"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲，你知道在这篇论文的（许多）错误中，你是我可以依