哈哈哈喽喽喽

摘要： 广播机制的原则 如果两个数组的后缘维度（trailing dimension，即从末尾开始算起的维度）的轴长度相符，或其中的一方的长度为1，则认为它们是广播兼容的。广播会在缺失和（或）长度为1的维度上进行。 这句话乃是理解广播的核心。广播主要发生在两种情况，一种是两个数组的维数不相等，但是它们的后缘 阅读全文

摘要： import random # 等概率函数，随机取0,1，出来概率为不等概率 def equle_fun(p): zero_num = [0] * int(p * 100) one_num = [1] * int((1-p) * 100) zero_num.extend(one_num) retur 阅读全文

摘要： 1、下载混淆包，或者手动下载 git clone https://github.com/astrand/pyobfuscate.git 2、安装 cd pyobfuscate/ python setup.py install 3、混淆处理 pyobfuscate example.py 4、编译 py 阅读全文

摘要： #1.更新nvidia驱动 https://www.nvidia.cn/geforce/drivers/ 选择自己电脑显卡的型号（注意：笔记本的话选择型号后面带Notebooks的），下载最新的驱动安装包，点击下一步安装即可。 #2.CUDA10安装 https://developer.nvidia 阅读全文

摘要： memory_profiler是干嘛的 This is a python module for monitoring memory consumption of a process as well as line-by-line analysis of memory consumption for 阅读全文

摘要： 4.2 从0实现 import torch import torchvision def get_data(batch_size=50): trans = torchvision.transforms.ToTensor() mnist_train = torchvision.datasets.Fas 阅读全文

摘要： import torch import torchvision def get_data(batch_size=50): trans = torchvision.transforms.ToTensor() mnist_train = torchvision.datasets.FashionMNIST 阅读全文

摘要： 3.1 线性模型 3.1.1 机器学习模型 机器学习关键要素：训练数据，模型，损失函数，优化方法 3.1.2 线性回归损失函数 线性函数的损失函数为平方误差函数。 使用平方误差函数的推导是： 1、线性回归函数目标函数y = W *x +b 2、假设训练样本包含噪声，假设噪声为高斯分布 3、包含噪声的 阅读全文

摘要： 2.1、张量初始化 import torch 几种初始化方式 torch.zeros((3,4)), torch.ones((1,2)), torch.tensor([[1,2,3], [4,54,5]]), torch.randn(5,6) 2.1.2、张量元素操作 1.对于应常数的+，-，乘，除 阅读全文

摘要： ########## Bathrooms train_df.columns all_df = train_df.loc[:, ["Sold Price", "Bathrooms"]] plt.figure(figsize = (20, 6)) sns.scatterplot(data=all_df, 阅读全文