Panonsense

在 PyTorch 中，对张量 (Tensor) 进行拆分通常会用到两个函数：- torch.split [按块大小拆分张量]- torch.chunk [按块数拆分张量]而对张量 (Tensor) 进行拼接通常会用到另外两个函数：- torch.cat [按已有维度拼接张量]- torch.stack [按新维度拼接张量]它们的作用相似，但实际效果并不完全相同，以下会通过官方文档及实例代码来进行说明，以示区别

ROC（Receiver Operating Characteristic）曲线和AUC常被用来评价一个二值分类器（binary classifier）的优劣。

NaiveBayes（朴素贝叶斯）是ML中的一个非常基础和简单的算法

在神经网络中，常用到的激活函数有sigmoid函数、双曲正切函数，而本文要介绍的是另外一种激活函数，Rectified Linear Unit Function(ReLU, 线性激活函数)

Deep Q Network简称DQN，结合了Q learning和Neural networks的优势，本教程代码主要基于一个简单的迷宫环境，主要模拟的是learn to move explorer to paradise的过程。本文代码整理自Morvan Zhou(莫烦Python)的机器学习相关教程 - 强化学习 - DQN部分

服务器环境：Ubuntu 16.04 Linux media50 4.10.0-30-generic Wed Aug 2 02:13:56 UTC 2017 x86_64 GNU/Linux所用版本：(PyTorch \+ Caffe2) 1.0.0 + torchvision 0.2.1 + ONNX 1.3.0 + MMdnn 0.2.3

服务器环境：Ubuntu 16.04 Linux media50 4.10.0-30-generic Wed Aug 2 02:13:56 UTC 2017 x86_64 GNU/Linux所用版本：CUDA 8.0 + cuDNN 6.0 + NCCL 2.3.7-1 + OpenCV 3.3.0 + Caffe 1.0

环境：Windows 10，64 位，仅支持 CPU，仅 C++实测版本：Visual Studio 2017 Professional \+ Python 3.7.2 (Anaconda 1.9.6) \+ CMake 3.13.4 \+ Git 2.20.1Caffe2 现仅支持 x64 版本，若需支持 GPU，有额外的配置步骤，具体请参考相关文档

用于将 Caffe 模型转换为对应 Caffe2 模型的 Python 脚本官方提供了一个基础版本，经修改和优化后，已支持多输入/多输出的网络