HeyRena的博客

源代码自：https://github.com/yunjey/pytorch-tutorial/blob/master/tutorials/01-basics/feedforward_neural_network/main.py

源代码自：https://github.com/yunjey/pytorch-tutorial/blob/master/tutorials/01-basics/logistic_regression/main.py#L33-L34

源代码自：https://github.com/yunjey/pytorch-tutorial/blob/master/tutorials/01-basics/linear_regression/main.py

1、requires_grad是Pytorch中通用数据结构Tensor的一个属性，用于说明当前量是否需要在计算中保留对应的梯度信息。在使用神经网络时，全连接层卷积层等结构的参数都是默认需要梯度的。2、torch.rand() 均匀分布torch.randn() 正态分布3、linear = nn.Linear(3, 2) # 构建pytorch中神经网络的线性层，输入为3个特征，输出为2个特征4、torch.optim.SGD() 参数解释https://www.cnblogs.com/pe

（根据OpenCV+Python中文教程书籍电子版自学）1. 简单演示import cv2import numpy as np# 查看所有被支持的鼠标事件# events = [i for i in dir(cv2) if 'EVENT' in i]# print(events)#mouse callback functiondef draw_circle(event,x,y,flags,param): if event == cv2.EVENT_LBUTTONDBLCLK:

（根据OpenCV+Python中文教程书籍电子版自学）1. 头文件import cv2import numpy as np2. 创建黑色背景# Create a black imageimg = np.zeros((512,512,3),np.uint8)3. 画线# 画线 起点和终点 从左上方到右下角# Draw a diagonal blue line with thickness of 5 pxcv2.line(img,(0,0),(511,511),(255,0,0),5)

（根据OpenCV+Python中文教程书籍电子版自学）1. 用摄像头捕获视频cap = cv2.VideoCapture(0,cv2.CAP_DSHOW)while(True): # Capture frame-by-frame ret, frame = cap.read() # Our operations on the frame come here gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # Di

1. 头文件# cv2.imread() cv2.imshow() cv2.imwrite()import cv2import numpy as npimport matplotlib.pyplot as plt2. 读入图像img = cv2.imread('1.jpg',0)3. 显示图像`# 原来的写法cv2.imshow('1.jpg',img)cv2.waitKey(0)cv2.destroyAllWindows()# 法一:def cv_show(name,img

这些天一直在跟着b站上的Python数据可视化分析 matplotlib教程自学数据可视化相关基础知识（这位老师讲得挺好懂的，对新手学习很友好，感兴趣的小伙伴可以自行进入链接），搬运了一些自己在学习过程中编写的代码（主要是跟随教程），以防本地保存的内容丢失。（以下所有的代码可以自行复制到本地，有注释的取消掉注释稍作调整即可运行）一、数据可视化课程及numpy简介# import matplotlib.pyplot as plt# plt.plot([1,2,3],[3,2,1])# plt.sho