哈哈哈喽喽喽

摘要： python3 亲试可行 1、pip install python-whois 2、 def is_registered(domain_name): """ A function that returns a boolean indicating whether a `domain_name` is 阅读全文

摘要： tensor.repeat和torch.repeat_interleave tensor.repeat() a = torch.tensor([[1,2],[3,4]]) a.repeat((2,1)) 表示在行的维度复制2遍，列维度不变，结果为tensor([[1, 2], [3, 4],[1, 阅读全文

摘要： 1.需要在git命令窗口生成公私钥 2.在github的profile中添加步骤1生成的公钥即可 阅读全文

摘要： 画简单的图 import matplotlib.pyplot as plt import numpy as np x = np.linspace(0, 2 * np.pi, 50) y = np.sin(x) plt.plot(x, y) 同一个图画多个曲线 x = np.linspace(0, 2 阅读全文

摘要： 1、https://www.ping.cn/ping/ 如果结果有很多IP，则可能是经过cdn地址 2、get-site-ip.com 3、http://tool.chinaz.com/ 阅读全文

摘要： 优化 在一个深度学习问题中，我们通常会预先定义一个损失函数。有了损失函数以后，我们就可以使用优化算法试图将其最小化。在优化中，这样的损失函数通常被称作优化问题的目标函数（objective function）。依据惯例，优化算法通常只考虑最小化目标函数。其实，任何最大化问题都可以很容易地转化为最小化 阅读全文

摘要： 批量归一化层和 dropout 层一样，在训练模式和预测模式下计算不同 阅读全文

摘要： 主要作用是：训练深层神经网络是十分困难的，特别是在较短的时间内使他们收敛更加棘手，可持续加速深层网络的收敛速度。 怎么达到加速深层网络的收敛速度： 1、数据的预处理影响收敛速度和调参难度，比较明显的例子是线性回归，如果特征量纲差别特别大，他的斜率可能近视90度或者0度，收敛速度和调参是比较困难的。B 阅读全文

摘要： # 生成数据 import torch from matplotlib import pyplot as plt import random import traceback # create data def create_data(W, b, num): X = torch.normal(mea 阅读全文

摘要： 1、自己创建一个2维线性回归数据集 import torch from matplotlib import pyplot as plt import random import traceback # create data def create_data(W, b, num): X = torch 阅读全文