小树屋

反向切片： flow_numpy[..., 1] np.genfromtxt(att_file, skip_header=2, usecols=0, dtype=np.str) 类似于pd.read_csv 查找元素index索引 x是np.ndarray x.index(att)

关于LSTM 反向传播时状态s也要反向传播，而且要初始化为0。原因和h类似，建议画一下图。 h在反向传播时，是后一个节点和当前层输出对应loss的传播之和。整体反向传播的输入参数的dh一般是指每一层的输出对应的loss传播。 关于pytorch 创建变量时，torch.zeros((N)).type(dtype) 中的 .type(dtype) 很重要！不然默认在CPU，往后写的时候会出现类...

如果网络的输入数据维度或类型上变化不大，设置 torch.backends.cudnn.benchmark = true 可以增加运行效率； 如果网络的输入数据在每次 iteration 都变化的话，会导致 cnDNN 每次都会去寻找一遍最优配置，这样反而会降低运行效率。 ...

parser.add_argument(’–tf_log’, action=‘store_true’, help=‘if specified, use tensorboard logging. Requires tensorflow installed’) 有一个比较有意思的传参方式： 比如在 demo1.py 中指定 action=’store_true’的时候： parser.add_ar...