<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[aninfeel的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/aninfeel</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; aninfeel]]></copyright><item><title><![CDATA[numpy std的坑]]></title><link>https://blog.youkuaiyun.com/aninfeel/article/details/133632526</link><guid>https://blog.youkuaiyun.com/aninfeel/article/details/133632526</guid><author>aninfeel</author><pubDate>Sat, 07 Oct 2023 09:32:08 +0800</pubDate><description><![CDATA[Excel的stdev.p和npArray.std的差别有点大，但是和np.std(npArray)很接近。]]></description><category></category></item><item><title><![CDATA[PyTorch 从入门到放弃 —— 加载数据 审核中]]></title><link>https://blog.youkuaiyun.com/aninfeel/article/details/131401940</link><guid>https://blog.youkuaiyun.com/aninfeel/article/details/131401940</guid><author>aninfeel</author><pubDate>Mon, 26 Jun 2023 17:25:18 +0800</pubDate><description><![CDATA[这样就可以把数据集封装起来，实现自动分批，取样，打乱和多处理器协同加载。在这里，我们定义每批大小为65，这样一来，分批遍历dataloader的时候，就能在循环中每次取到64组特征和标记。本教程我们使用FashionMNIST数据集。模块包含了各种视觉数据集， 比如 CIFAR, COCO (. 在本教程中，我们使用TorchVision。Dataset是样本数据集，]]></description><category></category></item><item><title><![CDATA[Excel Redmine连接器]]></title><link>https://blog.youkuaiyun.com/aninfeel/article/details/131295893</link><guid>https://blog.youkuaiyun.com/aninfeel/article/details/131295893</guid><author>aninfeel</author><pubDate>Mon, 19 Jun 2023 23:34:46 +0800</pubDate><description><![CDATA[该插件尽量黏连了Redmine网页端和Excel端。在Redmine上编排任务并不直观，而在Excel上通过一定的技巧做出简单甘特图，效果就不一样了。同时Excel深度使用者也可以对Redmine映射过来的行列进行一些专业的统计。]]></description><category></category></item></channel></rss>