摘要：
Vue学习笔记（十一）：路由管理 阅读全文
摘要：
之前博客中介绍了prop和调用事件的方式在父-子组件之间进行数据，这种方式在只有一层嵌套层时可以使用，但是路过存在多层嵌套，多层多个“兄弟”组件之间传递数据，就非常麻烦。对此，vue中提供了一种全局事件总线机制，数据传递是通过一个空的Vue实例作为中央事件总线，通过它来触发事件和监听事件，可以实现几乎任何组件间的通信，这在一些比较小的项目中是非常好用的。 阅读全文
摘要：
Vue学习笔记（九）：组件化编程 阅读全文
摘要：
Vue学习笔记（八）：Vue脚手架 阅读全文
摘要：
Vue学习笔记（七）：绑定css样式 阅读全文
摘要：
监视属性是一种用于监视某个数据的变化，并触发相应的回调函数执行的机制。在vue内部，使用“wathch”关键字用于声明监视属性。 阅读全文
摘要：
最近遇到的网络模型许多都已Embedding层作为第一层，但回想前几年的网络，多以Linear层作为第一层。两者有什么区别呢？ 阅读全文
摘要：
处理数据样本的代码会因为处理过程繁杂而变得混乱且难以维护，在理想情况下，我们希望数据预处理过程代码与我们的模型训练代码分离，以获得更好的可读性和模块化，为此，PyTorch提供了torch.utils.data.DataLoader 和 torch.utils.data.Dataset两个类用于数据处理。其中torch.utils.data.DataLoader用于将数据集进行打包封装成一个可迭代对象，torch.utils.data.Dataset存储有一些常用的数据集示例以及相关标签。 阅读全文
摘要：
计算机视觉任务中，对图像的变换（Image Transform）往往是必不可少的操作，例如在迁移学习中，需要对图像尺寸进行变换以使用预训练网络的输入层，又如对数据进行增强以丰富训练数据。
作为深度学习领域的主流框架，pytorch中提供了丰富的图像变换API。本文将对pytorch中torchvision.transforms提供的丰富多样的图像变换API进行整理介绍。 阅读全文
摘要：
训练模型过程中，经常需要追踪一些性能指标的变化情况，以便了解模型的实时动态，例如：回归任务中的MSE、分类任务中的Accuracy、生成对抗网络中的图片、网络模型结构可视化…… 除了追踪外，我们还希望能够将这些指标以动态图表的形式可视化显示出来。
TensorFlow的附加工具Tensorboard就完美的提供了这些功能。不过现在经过Pytorch团队的努力，TensorBoard已经集成到了Pytorch中，只要安装有pytorch也可以直接使用TensorBoard。
Tensorboard同时提供了后端数据记录功能和前端数据可视化功能。通过后端数据记录功能，我们可以将需要追踪的性能指标写入到指定文件；通过前端数据可视化功能，我们可是实时查看当前训练情况。
在接下来的文章中，将对TensorBoard的使用方法进行介绍，如果你还没有安装，可以通过一下命令进行安装。注意，虽然torch集成有TensorBoard，但是并不完整，需要使用下面命令完整安装后，才能开启TensorBoard的WEB应用。 阅读全文