摘要： 图形样式 %matplotlib inline import matplotlib.pyplot as plt import numpy as np # x范围 x = np.linspace(-np.pi, np.pi, 200) # 定义正弦、余弦函数 c, s = np.cos(x), np. 阅读全文

摘要： 1、优点： * 因为是凸优化，所以求得的解一定是全局最优解 * 适用于线性和非线性问题 * 高维数据也适用，因为只取决于向量而非数据维度 * 理论基础比较完善，不像神经网络很像黑盒。 2、缺点： * 只适用于二分类问题。当然也可以通过组合多个svm来处理多分类问题。 * 二次规划问题求解会涉及m阶矩 阅读全文

摘要： assert用于判断程序是否满足条件，如果不满足条件就会抛出异常，从而终止程序运行。 语法：assert 判断条件, '异常说明字符串' a = 2 assert a>1, '满足条件，不会抛出异常' assert a<1, '不满足条件，抛出异常并终止程序，后面代码不会执行' # 输出： Asse 阅读全文

摘要： 1、加减乘除 a + b = torch.add(a, b) a - b = torch.sub(a, b) a * b = torch.mul(a, b) a / b = torch.div(a, b) import torch a = torch.rand(3, 4) b = torch.ran 阅读全文

摘要： 1、cat拼接 功能：通过dim指定维度，在当前指定维度上直接拼接 默认是dim=0 指定的dim上，维度可以不相同，其他dim上维度必须相同，不然会报错。 1）拼接两个维度相同的数 a = torch.rand(2, 3, 2) a # 输出： tensor([[[0.6072, 0.6531], 阅读全文

摘要： view、reshape 两者功能一样：将数据依次展开后，再变形 变形后的数据量与变形前数据量必须相等。即满足维度：ab...f = xy*...*z reshape是pytorch根据numpy中的reshape来的 -1表示，其他维度数据已给出情况下， import torch a = torc 阅读全文

摘要： tensor索引与numpy类似，支持冒号，和数字直接索引 import torch a = torch.Tensor(2, 3, 4) a # 输出： tensor([[[9.2755e-39, 1.0561e-38, 9.7347e-39, 1.1112e-38], [1.0194e-38, 8 阅读全文

摘要： 此文章对应效果：【点击这里】 ## 什么是 MarkdownMarkdown 是一种方便记忆、书写的纯文本标记语言，用户可以使用这些标记符号以最小的输入代价生成极富表现力的文档：譬如您正在阅读的这份文档。具有的功能如下： ## 设置标题级别: # 一级标题## 二级标题### 三级标题#### 四级 阅读全文

摘要： 此文章对应语法：【点击这里】 什么是 Markdown Markdown 是一种方便记忆、书写的纯文本标记语言，用户可以使用这些标记符号以最小的输入代价生成极富表现力的文档：譬如您正在阅读的这份文档。 具有的功能如下： 设置标题级别: 一级标题 二级标题 三级标题 四级标题 五级标题 六级标题 插入 阅读全文

摘要： 一、传入数据 tensor只能传入数据 可以传入现有的数据列表或矩阵 import torch # 当是标量时候，即只有一个数据时候，[]括号是可以省略的 torch.tensor(2) # 输出： tensor(2) # 如果是向量或矩阵，必须有[]括号 torch.tensor([2, 3]) 阅读全文