入门 - nlp and torch 和 常用代码段 （项目代码每日复盘） 更新ing

基础代码段复盘：

时间：7.3新

安装类的：

1.Annaconda 增加删除镜像 channel, 以及其他python包安装解决办法

2.ubuntu利用conda创建虚拟环境，并安装cuda，cudnn，pytorch

3.ffmpeg使用

4.SCP进行服务器之间文件或目录的传输

5. 虚拟环境的导入导出

6.scp远程传输方法——bg后台不间断传输 nohup

7.IDM 破解版本

书写代码类的：

1.PyTorch Cookbook（常用代码段整理合集）

2. Pytorch 保存和提取训练好的神经网络

3. pytorch常用操作和方法：这个比较好，比第一个

4. list、numpy、转换 非简约版本

5. 各种新建操作

6. pytorch：加载预训练模型中的部分参数，并固定该部分参数(真实有效)

7.Pytorch冻结部分模型参数

8.Pytorch中nn.ModuleList和nn.Sequential的用法和区别

9.理解'*','*args','**','**kwargs'

10.PyTorch可变长序列处理

 

 学习类：

1.卷积神经网络CNN 写的很棒，很简单就理解了什么是cnn

2.视频内容理解相关方法

3.视频理解论文杂读

4.深度学习中 Batch Normalization为什么效果好？

5.加载Glove预训练词向量到字典

 

 

 

项 目 代 码 理 解:

持续更新，都是项目源码(●'◡'●)

1. 元组代码汇总

 

  ent,phlens = zip(*b.ent)  #解压得到的也为tuple
  b.ent = (ent,phlens,elens) #直接变三元组

 

2. list代码汇总

 

  b.rel = [self.listTo(adj),self.listTo(rel)] # 两个list合并成一个list

 

 

 

3.tranpose and view 两者的区别与联系

   首先，tran是矩阵翻转那种类型的，view仅仅是改变形状（简单的理解就是：先把一个tensor转换成一个一维的tensor，然后再组合成指定维度的tensor），也许你需要的是翻转，而不是改变形状，实验如下所示，并且记住当做完trans后的view必须新开一个内存。

上面是汇总的对比，view和trans的区别，view就是直接了当的排列数据，trans就不是，trans有一点点复杂 。我问了一下我男票，后来明白了

1）维度是 2，2，3的矩阵，进行 1，2的transpose变换是这样：

                                                       

 

左边是原来的，右边是转置的，就相当于你有两份数据，每份数据进行了矩阵转置的操作  ，大家关键需要看坐标！！！每个数字都有自己的坐标

2）进行0，1维度的transpose操作：

               我很蒙，当时....，其实大家主要看坐标，比如第二行的 （3，2，1）坐标分别是 （0，1，0），（0，1，1），（0，1，2） ————> （1，0，0），（1，0，1），（1，0，2）这亚子，所以变成了：

                                                                          

 

4.zeros_like函数，从函数名不难猜到，这个函数是用于生成和输入tensor大小相同的全零tensor的。

 5.repeat()和expand()区别：

          作用就是对指定的维度进行数值大小的改变。只能改变维大小为1的维，否则就会报错。 而 repeat 沿着指定的维度，对原来的tensor进行数据复制。这个函数和expand()还是有点区别的。expand()只能对维度为1的维进行扩大，而repeat()对所有的维度可以随意操作

6.Tensor的合并与分割：https://www.jianshu.com/p/4e57dbe1d281

              

 参考链接：

https://blog.csdn.net/HUSTHY/article/details/101649012?depth_1.utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

https://www.jianshu.com/p/cf7adeff2a05