摘要： 和 的不同在下面alexnet定义模块用了 nn.Sequential（）用了sequential模块之后，就不用每一次都用self.pool =他可以将每一层结构打包 ，组合成一个新结构，上面 self.features = nn.Sequential()后就将新结构取名为features结构，意 阅读全文

摘要： compose组件 transforms.ToTensor()就是将pil图像或者numpy数据转为tensor，并且高度，宽度，深度，在0-255之间的值，转为通道，高度，宽度，在0-1之间的值。 然后normalize就是对上面的tensor变量标准化。 输出=（ 原始输入减去均值）/ 标准差 阅读全文

摘要： 这里tensor的通道排序（batch，channel，height，width） batch就是一次传入的处理多少个图片，比如32张图片 channel 彩色图片的channel就是rgb三个通道，3。ps：在cifar10中的数据是彩色图片 height 高 图片的大小32 width 宽 32 阅读全文

摘要： conda info --envs：输出中带有【*】号的的就是当前所处的环境 创建 conda create --name yourEnv python=2.7 conda list: 看这个环境下安装的包和版本conda install numpy scikit-learn: 安装numpy sk 阅读全文

摘要： conda info -e 阅读全文

摘要： from scipy.signal import argrelextremaimport matplotlib.pyplot as pltimport numpy as np"""通过Scipy的argrelextrema函数获取信号序列的极值点"""# 构建100个随机数data = np.ran 阅读全文

摘要： import os print(os.getcwd()) print(os.listdir()) os.makedirs("project",exist_ok = True) print(os.path.exists("project")) if os.exist("user/mofan"): pr 阅读全文

摘要： import numpy as npimport pandas as pd# 创建一个Dataframedata = pd.DataFrame(np.arange(16).reshape(4, 4), index=list('abcd'), columns=list('ABCD'))print(da 阅读全文

摘要： train_data.shape[0] #训练集样本数量 train_data.shape[1] - 1 #每个样本的采样点数量类似于img.sahpe[0]就是图像的高度 在这里的test_data 这个矩阵是2040*401 每一行是一个振动点的数据 2040列就是2040个test的数据 阅读全文

摘要： 先进入对应文件位置 然后python + 文件名运行 然后输入conda activatepy39 然后再运行 分割 查看torch版本 先激活py39 然后导包torch、torchvision torch.__version__ torchvision.__version__ 来查看版本 阅读全文