文章分类 - Package
摘要:背景 在jupyter notebook中,需要import上层路径中的包,目录结构如下,需要从script/service/prj_query.ipynb中导入utils/conndb.py中的connectdb类。 D: └─github_data │ ├─script │ │ │ └─serv
阅读全文
摘要:1. nn.init.uniform init.uniform(tensor, a=0, b=1) >>> w = torch.Tensor(3, 5) >>> nn.init.uniform(w) 从均匀分布 (a, b)中生成值,填充输入的张量或变量。 Parameter
阅读全文
摘要:本文主要介绍torch.nn.LSTM的num_layers参数以及bidirectional这两个参数的用法,因为在维度上比较绕,所以只看源码也许不太懂,本文用理解加验证的方式去学习如何用这两个参数。 咱们统一batch_first=False,也就是默认的情况 设定一个batch,句子长度是50
阅读全文
摘要:pytorch的数据读取机制DataLoader包括两个子模块,Sampler模块,主要是生成索引index,DataSet模块,主要是根据索引读取数据。Dataset 类是一个抽象类,它可以用来表示数据集。我们通过继承 Dataset 类来自定义数据集的格式、大小和其它属性,后面就可以供 Data
阅读全文
摘要:目的:实现根据传入的参数,如 n=6,动态的生成6个变量名,可以在后续程序中调用使用 Python 动态定义变量名 1. 利用命名空间 利用命名空间动态赋值 在Python的命名空间中,将变量名与值存储在字典中, 可以通过locals(),globals()函数分别获取局部命名空间和全局命名空间。
阅读全文
摘要:1. 命名 符合 PEP-8 函数命名书写规范的是小写+下划线或者比较常用的驼峰命名法。内容方面是动宾结合。 举个例子: def setUserName(String userName): pass 推荐一个函数命名网站:codeIf 函数中带有参数类型以及返回值的函数定义写法: >>> def s
阅读全文
摘要:图例legend基础语法及用法 legend语法参数如下: matplotlib.pyplot.legend(*args, **kwargs) Keyword Description loc Location code string, or tuple (see below).图例所有figure位
阅读全文
摘要:大多数关于图结构的数据集都是以edgelist形式给出的。例如,1张图有5个节点,节点0分别与节点1、2、3、4相连,在在数据集的形式将会如下: 0 1 0 2 0 3 0 4 NetworkX是对图结构建模的python包,我在做社交网络分析的时候,用这个包可以简化大部分繁琐的操作。Network
阅读全文
摘要:MultiDiGraph class MultiDiGraph(incoming_graph_data=None, multigraph_input=None, **attr) https://www.osgeo.cn/networkx/reference/classes/multidigraph.
阅读全文
摘要:Torch torch.multinomial torch.multinomial(input, num_samples, replacement=False, *, generator=None, out=None) → LongTensor 点击查看 参数: input(Tensor) -包含概
阅读全文
摘要:添加节点 # 添加单个节点 G.add_node(2) G.add_node('a') # 添加节点集合 G.add_nodes_from([1,2,3,'a','b','c']) 添加边 # 添加单条边 G.add_edge('a', 'b') # 添加多条边 G.add_edges_from([
阅读全文
摘要:import math import torch import numpy as np import pandas as pd A = np.array([[1,2,3],[6,5,3]]) print(A, '\n') B = torch.from_numpy(A) #将numpy 转换化为 te
阅读全文
摘要:numpy 与 torch中压缩、扩展维度的方法稍有不同。 PyTorch 压缩、扩展维度 # 扩展维度使用unsqueeze() A = torch.ones(8,8) A = A.unsqueeze(2) A = torch.unsqueeze(A,2) A = A[:, :, None] #
阅读全文
摘要:Numpy np.random.rand() 生成指定维度的 间的随机数 np.random.rand(4,3) #生成4行3列的数组,数组中内一个元素都是[0,1)间的随机数 np.random.random() 生成指定维度的 间的随机数 np.random.random
阅读全文