摘要：
看了一篇博客，感觉写的很棒：PyTorch 的 Autograd 阅读全文
摘要：
运行这段代码 import torch import numpy as np import matplotlib.pyplot as plt x = torch.ones(2,2,requires_grad=True) print('x:\n',x) y = torch.eye(2,2,requir 阅读全文
摘要：
output = torch.max(input, dim) input输入的是一个tensor dim是max函数索引的维度0/1，0是每列的最大值，1是每行的最大值 实例： import torch import numpy as np import matplotlib.pyplot as p 阅读全文
摘要：
本篇借鉴了这篇文章，如果有兴趣，大家可以看看：https://blog.csdn.net/geter_CS/article/details/84857220 1、交叉熵：交叉熵主要是用来判定实际的输出与期望的输出的接近程度 2、CrossEntropyLoss()损失函数结合了nn.LogSoftm 阅读全文
摘要：
看pytorch中文文档摘抄的笔记。 class torch.optim.SGD(params, lr=, momentum=0, dampening=0, weight_decay=0, nesterov=False)[source] 实现随机梯度下降算法（momentum可选）。 Nestero 阅读全文
摘要：
import torch x = torch.randn(3, requires_grad=True) y = x*2 print(y.data.norm()) print(torch.sqrt(torch.sum(torch.pow(y,2)))) #其实就是对y张量L2范数，先对y中每一项取平方 阅读全文
摘要：
学习数据酷客做的笔记，懒得自己打字，就截屏记录一下，方便以后回顾。 阅读全文
摘要：
阅读全文
摘要：
第一步安装nibabel，可以使用命令：pip install nibabel 之后： from nibabel.viewers import OrthoSlicer3D as osdimport nibabel as nib filename = 'image.nii' img = nib.loa 阅读全文
摘要：
1、LinearRegression将方程分为两个部分存放，coef_存放回归系数，intercept_则存放截距，因此要查看方程，就是查看这两个变量的取值。 2、回归系数（regression coefficient）在回归方程中表示自变量x 对因变量y 影响大小的参数。回归系数越大表示x 对y 阅读全文