08 2021 档案
摘要：使用os模块导航文件系统 下面是一些会用到的函数相关描述 函数名 说明 os.getcwd() 返回当前目录 os.listdir(directory) 返回directory下的文件名和子目录列表 os.stat(path) 返回一个数值元组，该元组给出任何您可能需要的关于文件（或目录）的信息。
阅读全文
摘要：模块 模块只是一个Python源文件，它可以包含变量、类、函数和Python脚本中可用到的其他任何元素。 在使用一个模块之前需要先导入它 >>> import module 也可以仅导入需要的一个类或函数 >>> from module import item 如果一个模块被修改了，可以使用imp.
阅读全文
摘要：lambda和filter：简单匿名函数 lambda本身不是一个函数，而是一个关键字。它告诉Python创建一个函数并在适当的位置使用它，而不是通过一个名称引用它。 由于缺少名称，lambda创建的函数被称为匿名函数。 filter函数接收一个列表，并基于函数中定义的标准移除元素。 filter_
阅读全文
摘要：路径： 反斜杠在Python字符串中是一个特殊字符，因此必须对路径中的反斜杠进行转义。 路径“C:\Windows\Temp”要用"C:\\Windows\\Temp"代替。 创建文本文件，w写文件，如果没有该文件会创建新文件。如果文件中已有内容会被清空。 def make_text_file():
阅读全文
摘要：模块 模块包含与一个公共主题相关联的函数、方法或者数据。 导入可用的模块 import sys # 导入名称为sys的模块 创建新模块 自己写一个.py文件，然后再别的文件中使用import就可以导入它。 包 包可以理解为模块的集合。 新建包时默认会创建_init_.py文件。如果导入myPacka
阅读全文
摘要：函数：在一个名称下聚集代码。 def：创建函数 in_fridge：创建函数的函数名 fridge，wanted_food：函数的参数 return：返回 try和except是用自己的词语对错误进行标记，当出现错误时，使用raise命令进行提示。 def in_fridge(fridge, wan
阅读全文
摘要：对象 Python中的任何一条数据都是对象。每个对象都由三部分组成：标识、类型和值。对象的标识代表对象在内存中的存储位置， 对象的类型说明了它拥有的数据和值的类型。 dir 可以列举一个对象的所有属性和方法。 >>> fridge = {"cheese":1, "tomato":2, "milk":
阅读全文
摘要：根据《Python编程入门经典》（James Payne著，张春晖译）整理。 比较两个值是否相等。 >>> 1 == 1 True >>> 1 == -1 False >>> a = ["a", "b", "c"] >>> b = ["a", "b", "cd"] >>> a == b False
阅读全文
摘要：根据《Python编程入门经典》（James Payne著，张春晖译）整理。 元组--tuple 不可更改的数据序列（可以包含多种数据类型）。元组写在小括号里，元素之间用逗号隔开。定义只有一个元素的元组时，必须加逗号(为了避免与其他类型混淆)。 >>> filter = ("string", "fi
阅读全文
摘要：根据《Python编程入门经典》（James Payne著，张春晖译）整理。 Python中的数值 Python提供了三种类型的可用数值：整型、浮点型和虚数。 type 使用type()函数可以确定数值的分类。 >>> type(1) <class 'int'> >>> type(1.0) <cla
阅读全文
摘要：根据《Python编程入门经典》（James Payne著，张春晖译）整理。 字符串可以使用单引号(')，双引号(")和三引号(''', """)括起来。这三种引号是等价的。 >>> 'string' 'string' >>> "string" 'string' >>> '''string''' '
阅读全文
摘要：深度学习的运算量与运算过程的张量大小(N, C, H, W)有关。输入的张量太大，不仅不匹配最终的输出结果，还会 使计算量变大。为了能够同时减少计算量，并且得到比较小的输出，神经网络会使用池化层来对中间的特征向量 进行降采样，减小H和W的大小。池化层没有任何参数张量和缓存张量，在深度学习过程中仅仅相
阅读全文
摘要：PyTorch的模型通过继承nn.Moudle类，在类的内部定义子模块的实例化，通过前向计算调用子模块，最后实现 深度学习模型的搭建。 基础结构： import torch.nn as nn class MyNet(nn.Module): def __init__(self, ...): # 定义类
阅读全文
摘要：卷积的模块在PyTorch中分为一维、二维和三维。在函数名上的体现是1d、2d、3d。 torch.nn.Conv1d 一维卷积层，输入的尺度是(N, C_in,L_in)，输出尺度（N,C_out,L_out）。一维卷积一般用于文本数据，只对宽度进行卷积，对高度不卷积。 class torch.n
阅读全文
摘要：CIFAR数据集是物体的分类数据集，包含两个不同的数据子集，分别是CIFAR10和CIFAR100，这两个数据集均有60000张32x32大小 的图像，其中每个数据集被分成训练集和测试集两类，训练集有50000张图像，测试集有10000张图像。对于CIFAR10数据集来说，这些 图像被分成不同的10
阅读全文
摘要：MNIST数据集是手写数字数据集，它是分类任务的数据集。所有图像是28x28大小的黑白图像，分为训练集和测试集两个数据集， 训练集有60000张图像，测试集有10000张图像，图像的内容为0~9的手写数字。 1 from torchvision.datasets import MNIST 2 imp
阅读全文
摘要：均方误差(Mean Squared Error)是度量模型性能的一种方法。 假设m是样本集的总个数 是第i个样本的预测值，是第i个样本的真实值。 pytorch中的均方误差函数 torch.nn.functional.mse_loss(input, # 预测target, # 目标) 代码实现： >
阅读全文
摘要：在某些情况下，不需要求出当前张量对所有产生该张量的叶子节点的梯度，这时可以使用torch.autograd.grad()函数。 torch.autograd.grad( outputs, # 计算图的数据结果张量--它就是需要进行求导的函数 inputs, # 需要对计算图求导的张量--它是进行求导
阅读全文
摘要：PyTorch会根据计算过程来自动生成动态图，然后可以根据动态图的创建过程进行反向传播，计算得到每个结点的梯度值。 为了能够记录张量的梯度，在创建张量的时候可以设置参数requires_grad = True，或者创建张量后调用requires_grad_()方法。 >>> x = torch.ra
阅读全文
摘要：softmax是非线性激活函数的一种。它将神经元的输出变换到(0,1)的区间内。 需要注意的是对应的是分子中的指数项，而与分母是无关的。 下面对进行求导, 这里分为两种情况。 j==i 另一种情况是 j!=i 就是要注意对求导时，S的分子的指数项哪一项，刚好是还是别的项，这将直接影响求导的最终结果。
阅读全文
摘要：交叉熵（cross entropy）：用于度量两个概率分布间的差异信息。交叉熵越小，代表这两个分布越接近。 函数表示（这是使用softmax作为激活函数的损失函数表示）： （是真实值，是预测值。） 命名说明： pred=F.softmax(logits)，logits是softmax函数的输入，pr
阅读全文
浙公网安备 33010602011771号