摘要：
根据《Python编程入门经典》（James Payne著，张春晖译）整理。 比较两个值是否相等。 >>> 1 == 1 True >>> 1 == -1 False >>> a = ["a", "b", "c"] >>> b = ["a", "b", "cd"] >>> a == b False 阅读全文
摘要：
根据《Python编程入门经典》（James Payne著，张春晖译）整理。 元组--tuple 不可更改的数据序列（可以包含多种数据类型）。元组写在小括号里，元素之间用逗号隔开。定义只有一个元素的元组时，必须加逗号(为了避免与其他类型混淆)。 >>> filter = ("string", "fi 阅读全文
摘要：
根据《Python编程入门经典》（James Payne著，张春晖译）整理。 Python中的数值 Python提供了三种类型的可用数值：整型、浮点型和虚数。 type 使用type()函数可以确定数值的分类。 >>> type(1) <class 'int'> >>> type(1.0) <cla 阅读全文
摘要：
根据《Python编程入门经典》（James Payne著，张春晖译）整理。 字符串可以使用单引号(')，双引号(")和三引号(''', """)括起来。这三种引号是等价的。 >>> 'string' 'string' >>> "string" 'string' >>> '''string''' ' 阅读全文
摘要：
深度学习的运算量与运算过程的张量大小(N, C, H, W)有关。输入的张量太大，不仅不匹配最终的输出结果，还会 使计算量变大。为了能够同时减少计算量，并且得到比较小的输出，神经网络会使用池化层来对中间的特征向量 进行降采样，减小H和W的大小。池化层没有任何参数张量和缓存张量，在深度学习过程中仅仅相 阅读全文
摘要：
PyTorch的模型通过继承nn.Moudle类，在类的内部定义子模块的实例化，通过前向计算调用子模块，最后实现 深度学习模型的搭建。 基础结构： import torch.nn as nn class MyNet(nn.Module): def __init__(self, ...): # 定义类 阅读全文
摘要：
卷积的模块在PyTorch中分为一维、二维和三维。在函数名上的体现是1d、2d、3d。 torch.nn.Conv1d 一维卷积层，输入的尺度是(N, C_in,L_in)，输出尺度（N,C_out,L_out）。一维卷积一般用于文本数据，只对宽度进行卷积，对高度不卷积。 class torch.n 阅读全文
摘要：
CIFAR数据集是物体的分类数据集，包含两个不同的数据子集，分别是CIFAR10和CIFAR100，这两个数据集均有60000张32x32大小 的图像，其中每个数据集被分成训练集和测试集两类，训练集有50000张图像，测试集有10000张图像。对于CIFAR10数据集来说，这些 图像被分成不同的10 阅读全文
摘要：
MNIST数据集是手写数字数据集，它是分类任务的数据集。所有图像是28x28大小的黑白图像，分为训练集和测试集两个数据集， 训练集有60000张图像，测试集有10000张图像，图像的内容为0~9的手写数字。 1 from torchvision.datasets import MNIST 2 imp 阅读全文
摘要：
均方误差(Mean Squared Error)是度量模型性能的一种方法。 假设m是样本集的总个数 是第i个样本的预测值，是第i个样本的真实值。 pytorch中的均方误差函数 torch.nn.functional.mse_loss(input, # 预测target, # 目标) 代码实现： > 阅读全文