摘要：
打印网络结构 打印训练过程 从测试数据中打印10个预测 END 阅读全文
摘要：
超参数设置 数据 4种优化器的训练过程的loss变化，下降的越快越好 END 阅读全文
摘要：
BATCH_SIZE = 8 , 所有数据利用三次 END 阅读全文
摘要：
训练网络，并用两种方式保存网络 加载第一种(含所有信息的)网络：torch.load('net.pkl') 加载第二种(只含有参数的)网络：net3.load_state_dict(torch.load('net_params.pkl')) 运行上面的函数 三个网络绘制的图片 END 阅读全文
摘要：
easy and fast way to build your network 两种方法使用效果完全相同 END 阅读全文
摘要：
END 阅读全文
摘要：
END 阅读全文
摘要：
2.3 Activation Function END 阅读全文
摘要：
details about math operation in torch can be found in: http://pytorch.org/docs/torch.html math operations convert numpy to tensor or vise versa abs 绝对 阅读全文
摘要：
END 阅读全文
摘要：
concatenating join, ('inner', 'outer') join_axes append END 阅读全文
摘要：
Series 构造1列数据，data.plot() DataFrame 构造4列数据，data.plot() data.plot.scatter（x='A', y='C'） END 阅读全文
摘要：
` pd.Series(） 构造数据 pd.date_range() 生成数据 pd.DataFrame() 构造数据 pd.DataFrame() 构造数据 pd.DataFrame() 构造数据 属性 df2.dtypes df2.index df2.columns df2.values df2 阅读全文
摘要：
select by label: loc 属性值 select by position: iloc 属性编号 mixed selection: ix 标签值+标签标号 Boolean indexing 布尔 下面是所有的输出结果： END 阅读全文
摘要：
赋值，新增列数据 df.iloc[2,2], df.loc['2013 01 03', 'D'] df.A[df.A 0], df['F'] 以下是所有的运行结果： END 阅读全文
摘要：
以下是所有的输出结果： END 阅读全文
摘要：
"官网The pandas I/O API" pickle格式是python自带的 END 阅读全文
摘要：
pd.merge( df1, df2, on=['key1', 'key2'], left_index=True, right_index=True, how=['left', 'right', 'outer', 'inner'], indicator='indicator_column', suf 阅读全文