摘要： 包括ssc和北大ccl中文库 ssc可以通过网页抓包之后整理成为可使用的语料库 阅读全文

摘要： python加了逗号后会出现奇怪的错误把输出变为元组，所以如果出现了元组可以反省一下是不是加了奇怪的逗号 交叉熵只能有两个维度，如，[1,1]，如果说是三个维度[1,1,1]会失败，另外两个维度要一样 使用sub来替换，删除某个特定开头结尾的数值 s = 'dddd(d)aaa' s = re.su 阅读全文

摘要： pytorch定义张量的方法和Numpy差不多 2、 标量才能对张量求导，代表其在各个方向上的偏导数，结果是一个张量 3、 在pyt中张量可以对张量求导，前提条件是求导时传一个1,1,1,1，进去，其中 每个数字代表在某个方向的权重，事实上还是对标量对张量求导。 4. 求导的核心是在建立初始的x后， 阅读全文

摘要： 使用model.layer1.weight.data.copy_(w1) 其中model是自定义的参数名字，layer1是某个具体的层，使用某个具体的w1来修改 阅读全文

摘要： 1 BatchNorm2d 规模化函数，使得输入规模化 2. 张量的通道规则 针对于图像分析时的通道规则 对于做图形图像识别相关工作的朋友来说, 我们一般用到4个通道去定义数据. 这4个通道分别是: N Batch(es), 批/组 C Channel(s), 图片颜色通道数 H Height, 图 阅读全文

摘要： inputs=tt.randn([10,3])可以随机生成高维度的数组 2. 定义一个模型为modle modle.cpu()将其调用到cpu modle.cuda()将其调用到gpu 3. 关于CrossEntropyLoss函数， 其输入的y必须为（out,）的形式，也就是说一行out列 而且必 阅读全文

摘要： from torch import nn import torch.nn.functional as f class my(nn.Module): def init(self): super(my, self).init() my.a=nn.Linear(3,3) my.b=nn.Linear(3, 阅读全文

摘要： 创建时用户直接给出的为叶子节点，没有fn 由几个叶子节点推导来的为最终结果，为root节点，有fn。 譬如： x=tt.tensor([1],dtype='flaot',requires_grad=True) y=x.sum() 这里的x是叶子节点，在边缘，向着中心推导。 所以没有fn函数 而y是有 阅读全文

摘要： 能用张量处理就用张量，不要使用for in 跑循环，一个是容易出错，一个是比较浪费时间，应用广播机制的话去做很容易的 1.5 使用mean处理平均值 2. 在处理梯度的时候无法更改自身，因此使用的办法是with 一个简单的例子： import torch as tt x=tt.tensor(rang 阅读全文

摘要： 1.把pytorch当成是numpy来用就行 2. 一个典型的张量是这样定义的。 import pytorch as tt n=tt.tensor([1,2,3],dtype=True,requirgrad=True) y=tt.dot(x,x) 在这层意义上，可以把y这个标量理解为是误差函数1/2 阅读全文