@@老胡的博客

推荐不知道怎么改命令行的可以直接用第一种办法（可以ai），保持端口一致即可。这里仅仅是学习、记录、分享，欢迎相互交流。在需要调试的位置添加断点，也就是小红点。一般都直接生成后改改就可以用。直接在源代码添加以下代码。

之所以叫做循环神经网络，是因为以上的cell都是同一个cell，参数也只有cell里的一份而已，在训练中，cell层使用的是循环结构，使用不同的输入数据进行训练。这里是需要训练一个模型，使得输入“hello”，而输出为“ohlol”，实际上对于输入的数据，判别输出的数据属于哪一个类别，这里只有4种字母，所以输出的维度为4。循环神经网络处理的数据往往是序列数据，即输入的数据是一个序列，每一个时间步都有一个对应的输出，RNN通过循环层保留和传递历史信息，从而建立时间上的依赖关系。第一种方法 RNNCell。

全连接神经网络是一种最为基础的前馈神经网络，他的每一个神经元都与前一层的所有神经元进行连接，这种连接方式可以使得全连接神经网络能够学习到更加全局的特征。随着神经网络的层数的增加，可能会出现梯度消失问题，而残差网络使用支线将输入直接连接到后面的层，使得后面的层可以直接学习残差。全连接神经网络需要更新的参数数量多，并且在全连接层的输入中，如果是对图像进行处理，比如。，输入的是（通道1，高28，宽28像素）的图像，但是在全连接层中会被拉成（卷积神经网络CNN更适合用在图像识别、语音识别等各种场合。

ps：这里为什么给出两种代码，其实这里按照我给出的公式其实第二种代码才是对应的代码，第二种的max_iter其实可以认为是epoch，表示周期，因为一个周期需要所有的样本数据都参与一次。在批量梯度下降中，参数更新的次数与周期在数目上是一致的，这是因为批量梯度下降每一次参数更新需要所有的样本参与。批量梯度下降对于凸优化问题可以找到全局的最优解，这种方法在样本量不大的情况下可以快速收敛，但是如果样本的量过大，每次参数更新都需要全部的样本的参与，单次更新的时间长，需要的存储空间也大。下面推导梯度下降的公式。

但是在Linear层中，当输入特征被Linear层接收是，它会接收后转置，然后乘以权重矩阵，得到的是输出特征的转置，换句话说可以在底层使用Linear，它实际上做的是。如果一个类实现了回调方法，那么只要对象实例被调用，这个特殊的方法也会被调用。中，第一个代码中，我们没有通过pytorch实现线性模型的时候，我们会显式调用forward函数，计算前馈的值，我们是这样写的。很明显，上面的图标表示一个 3×4 的矩阵乘以 4×1 的矩阵，得到一个 3×1 的输出矩阵，使用普通矩阵的乘法实现如下。

tansor的广播机制就是在不同的rensor之间进行计算时，自动将数据进行扩展的一种方式。简单来说，就是当两个tensor的形状不同时，tensor会自动的将自己的形状扩展为另一个tensor的相同形状，然后进行计算。在神经网路中，经常对线性的结果做一个非线性函数的变幻的展开，这就是激活函数。在tensor的使用过程中，我们经常需要对不同形状的tensor进行计算，这个时候就需要用到tensor的广播机制。满足以上规则的tensor可以进行广播，维度扩展的过程就是将数值进行复制的过程。

在深度学习中，尽管梯度下降算法会陷入局部最优，但是在深度学习中梯度下降算法依旧广泛应用：在之前大家认为，深度学习的目标函数会出现很多的局部最优解，但是实际上，其损失函数并没有很多的局部最优解。梯度下降算法属于贪心算法的一种，它的权重的更新，每一次都是朝着梯度下降最快的方向进行更新，当梯度为0的时候，算法收敛，权重不再更新。在上面的梯度下降中，求损失的时候用的是全部数据的平均损失作为更新的依据。和第二课不同的是，第一课的w是我们认为设定的，通过一个for循环使得w迭代，这一次需要的是通过模型找到适合的w。

散点图的绘制主要用到 ax.scatter(xs,ys,zs,s=20,c=None,depthshade=True,*args,*kwargs)subplot 可以规划figure划分为n个子图，但是每条subplot命令只会创建一个子图。用于新增子区域，该区域可以坐落在figure内的任意位置，而且可以设置大小。add_subplots的参数与subplots相似。subplots的参数与subplot的相似。

线性模型的参数是w和b，它的学习是通过不断减少损失实现的，其损失一般为均方损失。

openpyxl不能凭空产生一个表格文件，但是xlwt可以，所以openpyxl需要传入一个excel文件。python中对xls格式文件相关的包有三个：xlrd、xlwt和xlutils。可以通过一下方法，对xls数据进行读取、写入和追加写入。excel有xls和xlsx两种格式，他们的区别在于。

这里首先说明，我本身电脑是有两种python的，一种是直接安装在电脑3.9版本的python，一种是由Anaconda管理的虚拟环境，包括base的3.8版本的python、使用conda创建的虚拟环境的python(test的是3.7，gluon的是3.6)，使用不同环境的python下载的包的路径是不一样的。上，找到对应的安装目录即可找到对应的包路径。总之，一般来讲pip下载的包都会在。

conda是一个环境管理的工具，conda是用来安装conda package的，虽然大部分的conda package都是python的，但是除了python的包，conda还可以安装mkl这种写c/c++的包。Miniconde也是一个软件的发行版，它的本质是一个用来安装空的conda环境的安装器，Miniconda仅包含conda和conda的依赖，不包含其他的包，可以使用。国内使用pip的网速快，conda和pip的包有很多重合的，但是不完全重叠，有一些包只能通过其中一个才能装。

已经安装完anaconda，但是jupyter每一次打开的路径都不是自己想要的路径，可以在配置文件中修改jupyter打开的默认路径

此外关联可以表示一对一，一对多，多对一，多对多等各种关系。如下，在插件中的配置中配置对应的参数就可以实现云端渲染，实现云端渲染的时候需要一个服务器，这里使用的服务器是官方服务器，可以显示的前提是要有网。组合关系中，整体与部分是不可分离的，整体与部分的生命周期保持一致，少了对方自己的存在无意义。依赖关系体现的是类与类之间的一种联结关系，比如说我要借书，那么就要去图书馆，借书的方法要依赖于图书馆。泛化关系就是类的继承关系，用 指定继承关系，java中对应的关键字是extends。

上面都是简单语法介绍，下面开始画甘特图，这个在python可视化中是非常重要的。plt.barh()：横向的柱状图，可以理解为正常柱状图旋转了90°。plt.bar()：正常柱状图📊📊，常见的统计图；

可以用来修改某一列读取的参数类型，一般在数据读取的时候，读到某一列全部是数据，会默认把该列的数据类型定义为int类型，但是，如果遇到数据是0开头的，就会出现问题，因此，可以使用dtype来定义某一列的数据类型为想要的类型，一般是把int类型定义为str类型读取。举个不太恰当的例子，张三买车得到了一次砸金蛋的机会，他当然不能用手砸，于是他顺手抄起旁边的锤子就砸了一个金蛋。用来读取数据的前5行，pandas会在读取数据后自动在数据前加一行索引，也就是在YM前面的一列，这个索引一般是用来定位数据的。

python的内置函数，其参数是可遍历或者可迭代的对象如列表或者字符串enumerate多用于for循环中得到计数，利用它可以同时获得索引和值，即需要index和value的时候可以使用enumerate使用enumerate()返回一个enumerate对象。

在字典中查找某一个值的时候，若key不存在就会返回一个keyerror错误而不是一个默认值，如果想要返回一个默认值可以使用函数。defaultdict是python内建dict类的一个字类，功能与dict相同，但它带有一个默认的值，若key值不存在时返回一个默认的值。

在python中，包中的函数可以创建命名元组，并提供可读性和自文档性。它可以用于普通元组并使用名称或索引获取值。例子如下：collections 包中的 namedtuple() 函数可以创建命名元组，并提供可读性和自文档性。它可以用于普通元组并使用名称或索引获取值。

Python一、注释二、变量三、数据类型四、输入输出五、运算六、条件语句七、循环八、字符串九、切片语法十一、字符串str常见的操作方法查找修改判断十二、列表list格式常用操作查找下标函数判断增加删除修改复制列表的循环遍历列表嵌套十三、元组tuple格式元组的常用操作十四、字典 dict创建字典字典常见操作增删改查遍历十五、集合 set创建集合集合的常见操作方法增删查找十六、公共运算符十七、公共方法十八、容器类型的转换十九、推导式列表推导式带if的列表推导式多个for循环实现列表推导式字典推导式集合推导式二