<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Fantine_Deng的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Fantine_Deng</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Fantine_Deng]]></copyright><item><title><![CDATA[Pytorch中nn.RNN()基本用法和输入输出]]></title><link>https://blog.youkuaiyun.com/Fantine_Deng/article/details/111356280</link><guid>https://blog.youkuaiyun.com/Fantine_Deng/article/details/111356280</guid><author>Fantine_Deng</author><pubDate>Fri, 18 Dec 2020 13:51:05 +0800</pubDate><description><![CDATA[以下均为单向RNN。
0. RNN模型结构
网上教程的标准RNN结构如下图，其实是有输入层x、隐藏层h和输出层y三层结构的。

但是在Pytorch中定义的RNN，其实是没有y这个输出层的。例如下图中，Pytorch版本的两个输出，output=[h1, h2, h3, h4], hn = h4。如果想要得到输出层y，可以自行加一个全连接层。

1. 初始化RNN
rnn = nn.RNN(input_size, hidden_size, num_layers)

2. RNN的输入

input：(seq]]></description><category></category></item><item><title><![CDATA[LeetCode刷题-题解链接]]></title><link>https://blog.youkuaiyun.com/Fantine_Deng/article/details/107836431</link><guid>https://blog.youkuaiyun.com/Fantine_Deng/article/details/107836431</guid><author>Fantine_Deng</author><pubDate>Mon, 26 Oct 2020 11:24:55 +0800</pubDate><description><![CDATA[88. 合并两个有序数组

gelthin-解释为何要用 nums1[:]

]]></description><category></category></item><item><title><![CDATA[Pandas中map(), apply(), applymap()用法总结]]></title><link>https://blog.youkuaiyun.com/Fantine_Deng/article/details/105301528</link><guid>https://blog.youkuaiyun.com/Fantine_Deng/article/details/105301528</guid><author>Fantine_Deng</author><pubDate>Sun, 12 Apr 2020 23:14:39 +0800</pubDate><description><![CDATA[这是一篇最基础的Pandas用法总结，也方便自己日后进行复习与查询。
这一次我们来总结一下Pandas中的map类函数。
Python中自带的map()函数
先从Python中自带的map()函数说起。简单来说，map函数的作用是，针对一个列表（实际上为一个或多个可迭代的序列，这里以一个列表为例），将一个函数作用在列表上的每一个元素。
以经典的计算数的平方为例：
def square(x):
  ...]]></description><category></category></item><item><title><![CDATA[Pandas中DataFrame的基本操作（增删）]]></title><link>https://blog.youkuaiyun.com/Fantine_Deng/article/details/105133769</link><guid>https://blog.youkuaiyun.com/Fantine_Deng/article/details/105133769</guid><author>Fantine_Deng</author><pubDate>Sat, 28 Mar 2020 23:11:49 +0800</pubDate><description><![CDATA[这是一篇最基础的Pandas用法总结，也方便自己日后进行复习与查询。
这一次我们来总结一下Pandas中的一些增删改基本操作。
1. 增
1.1 增添一列
删
改

]]></description><category></category></item><item><title><![CDATA[Pandas中DataFrame索引、选取数据]]></title><link>https://blog.youkuaiyun.com/Fantine_Deng/article/details/105130904</link><guid>https://blog.youkuaiyun.com/Fantine_Deng/article/details/105130904</guid><author>Fantine_Deng</author><pubDate>Thu, 26 Mar 2020 23:32:30 +0800</pubDate><description><![CDATA[这是一篇最基础的Pandas用法总结，也方便自己日后进行复习与查询。
上一篇文章总结了Series索引问题。今天这篇来总结一下DataFrame索引问题。
1. 索引是什么
1.1 认识索引
先创建一个简单的DataFrame。
myList = [['a', 10, 1.1],
	  ['b', 20, 2.2],
	  ['c', 30, 3.3],
	  ['d', 40, 4.4]]  
...]]></description><category></category></item><item><title><![CDATA[Pandas中Series索引用法]]></title><link>https://blog.youkuaiyun.com/Fantine_Deng/article/details/104724589</link><guid>https://blog.youkuaiyun.com/Fantine_Deng/article/details/104724589</guid><author>Fantine_Deng</author><pubDate>Thu, 12 Mar 2020 22:09:00 +0800</pubDate><description><![CDATA[这是一篇最基础的Pandas用法总结，也方便自己日后进行复习与查询。
1. Series中的索引问题

]]></description><category></category></item><item><title><![CDATA[Python中求对数方法总结]]></title><link>https://blog.youkuaiyun.com/Fantine_Deng/article/details/104749807</link><guid>https://blog.youkuaiyun.com/Fantine_Deng/article/details/104749807</guid><author>Fantine_Deng</author><pubDate>Mon, 09 Mar 2020 14:50:54 +0800</pubDate><description><![CDATA[Python中Math库和Python库都具备求对数的函数。
import numpy as np
import math

1. Numpy库
1.1 求以e、2、10为底的对数




函数
功能




np.log(x)
以e为底的对数(自然对数)


np.log10(x)
以10为底的对数


np.log2(x)
以2为底的对数


np.log1p(x)
等价于：np.log(x ...]]></description><category></category></item><item><title><![CDATA[Pandas基础总结之创建Series和DataFrame]]></title><link>https://blog.youkuaiyun.com/Fantine_Deng/article/details/104689394</link><guid>https://blog.youkuaiyun.com/Fantine_Deng/article/details/104689394</guid><author>Fantine_Deng</author><pubDate>Sat, 07 Mar 2020 17:18:52 +0800</pubDate><description><![CDATA[这是一篇最基础的Pandas用法总结，也方便自己日后进行复习与查询。
1. 创建Series的三种方法
1.1 基于Python中的列表创建
myList = ['a', 'b', 'c', 'd']     # 创建一个列表
s1 = pd.Series(data = myList)
print(s1)
--------------------------------
输出：
0    a
1 ...]]></description><category></category></item></channel></rss>