摘要：
requests模块：python中原生的一款基于网络请求的模块，作用是模拟浏览器发送请求。如何使用： 指定url - 发起请求 - 获取响应数据 - 持久化存储实战需求：爬取搜狗首页的页面数据 import requests if __name__ == "__main__": # 指定url u 阅读全文
摘要：
爬虫在应用场景中的分类 （1）通用爬虫：抓取系统重要组成部分，抓取的是一整张页面数据。 （2）聚焦爬虫：建立在通用爬虫的基础上，抓取的是页面中的特定内容。 （3）增量式爬虫：检测网站中的更新情况，只会抓取网站中最近更新的内容。 反爬机制 门户网站可以制定相应的策略或者技术手段，防止爬虫程序进行网站数 阅读全文
摘要：
对于CNN的学习，我先从代码部分入手，然后在学理论知识，两者相结合会达到豁然开朗的效果。 设置超参数 EPOCH = 1 # 训练整批数据多少次, 为了节约时间, 我们只训练一次 BATCH_SIZE = 50 LR = 0.001 # 学习率 DOWNLOAD_MNIST = True # 如果你 阅读全文
摘要：
CNN基础知识储备： （一）卷积计算 通过这部分的学习，将会清楚卷积是如何计算的。 举个例子，现有一张6×6的灰度图像（灰度图像代表6×6×1的矩阵，RGB图片则是6×6×3，因为它有红绿蓝3个维度），比如 为了检测图像中的垂直边缘，可以构造一个3×3矩阵。在卷积神经网络的术语中，它被称为过滤器，又 阅读全文
摘要：
DQN简介 DQN，全称Deep Q Network，是一种融合了神经网络和Q-learning的方法。这种新型结构突破了传统强化学习的瓶颈，下面具体介绍： 神经网络的作用 传统强化学习使用表格形式来存储每一个状态state和状态对应的action的Q值，例如下表表示状态s1对应了两种动作actio 阅读全文
摘要：
每次进行数据训练时，如果数据集过多不适合把整个数据打包进行训练，那么这种时候就需要把训练数据分批进行训练。 设置数据： x = torch.linspace(1, 10, 10) # x data (torch tensor) y = torch.linspace(10, 1, 10) # y da 阅读全文
摘要：
一般来说，神经网络是用来训练数据，做实验等等，但每次关闭神经网络或者关机后，训练好的结果等都自动清除，为了解决这一问题，需要对神经网络训练后的结果进行保存、提取。 一、保存神经网络 搭建神经网络、训练数据、优化等操作都需要在save()函数中进行，代码如下： def save(): #快速搭建 ne 阅读全文
摘要：
快速搭建 无论是搭建回归类型的神经网络也好，分类类型的也罢，都是通过 class Net(torch.nn.Module) 搭建，本文介绍另一种搭建方法，这种方法可以更快速的搭建net 。 #快速搭建 net = torch.nn.Sequential( torch.nn.Linear(2, 10) 阅读全文
摘要：
关系拟合（分类） 一、建立数据集 import torch from torch.autograd import Variable import torch.nn.functional as F import matplotlib.pyplot as plt # make fake data n_d 阅读全文
摘要：
关系拟合（回归） 一、建立数据集 import torch import torch.nn.functional as F # 激励函数都在这 import matplotlib.pyplot as plt #unsqueeze把一维数据转换为二维数据，因为torch只会处理二维数据 x = tor 阅读全文