qq_43637727的博客

在jupyternotebook下面输入：import numpy as npa=np.arange(2,14).reshape((3,4))print(a)print(np.argmin(a))print(np.argmax(a))print(np.mean(a))print(np.average(a))print(np.median(a))print(np.cumsum(a))print(np.diff(a))print(np.nonzero(a))b=np.

import numpy as np#创建arrayarray=np.array([[1,2,3],[2,3,4]])print(array)#array的维数print('number of dim',array.ndim)#array的规格是几乘几print('shape',array.shape)#array里面有几个元素print('size',array.size)#创建array，定义类型a=np.array([2,3,4],dtype=np.float)print(a.

搭建LeNet网络—代码详解首先是构建模型的文件model.py根据上面的结构图，有如下代码：import torch.nn as nnimport torch.nn.functional as Fclass LeNet(nn.Module): def __init__(self): super(LeNet,self).__init__() self.conv1=nn.Conv2d(3,16,5)#卷积层的参数依次是（输入channels，输出chann

对于简单的图像分类任务，并不需要自己定义一个 Dataset类，可以直接调用 torchvision.datasets.ImageFolder 返回训练数据与标签。数据集组织方式既然是调用API，那么你的数据集必然得按照API的要求去组织， torchvision.datasets.ImageFolder 要求数据集按照如下方式组织：A generic data loader where the images are arranged in this way: root/dog/xxx.p

参考：GITHUB：https://github.com/pytorch/hub模型：https://pytorch.org/hub/research-models

依然是像线性回归的四步一样：代码如下;import torch.nn.functional as Fx_data=torch.Tensor([[1.0],[2.0],[3.0]])y_data=torch.Tensor([[0],[0],[1]])class LogisticRegressionModel(torch.nn.Module): def __init__(self): super(LogisticRegressionModel,self).__init__

总的来说，分为四步：Prepare datasetDesign model using ClassConstruct loss and optimizerTraining cycle代码如下：1、prepare datasetimport torchx_data=torch.Tensor([[1.0],[2.0],[3.0]])y_data=torch.Tensor([[2.0],[4.0],[6.0]])2、Design model using Classclass Linea

首先在官网中运行Run this command后面的代码，全部安装成功后，在python交互环境下，输入import torch ,出现了如下错误： No module named 'numpy.core._multiarray_umath'What???在网上找了找答案，说的是numpy版本太低，需要更新，于是我：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade numpy更新成功后，发现错误未解决。。。。

在创建Jupyter笔记本之后，我们先来学习一下Numpy。Numpy是python中最常见的用于科学计算的基础包，有对数组进行快速操作的一系列方法，包括数学运算、逻辑运算、分片操作、排序、选择、输入输出、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等。Numpy的核心是ndarray对象，它封装了相同数据类型的n维数组。基本概念Numpy的数组类为ndarray,通常也被称作数组。ndarray对象的属性有：ndarray.ndim: 数组轴的个数ndarray.shape: 数.