KeepSilent的博客

在PyTorch的torch.nn模块中，卷积函数Conv2d的输入张量的形状应为[batch_size, channels, height, width]对应数据集，无需修改（在一些架构中，可能是[batch_size, height, width, channels]）。最后loader.shape是1875*[32*1*28*28,32]，即 number*[batch(data)*height*width, batch(label)]在本数据集中，输入图不是1*32*32，是1*28*28。

考虑一幅RGB 图像，其中每一幅红、绿、蓝图像都是一幅8比特图像，在这种条件下，可以说每个RGB彩色像素[即(R, G, B)值的三元组]有24比特的深度(3个图像平面乘以每个平面的比特数)。饱和度的取值范围从0到1，0对应于垂直轴的中心线（也就是说这条线上没有色彩，只有灰度），I=0.5时红色的饱和度为1，颜色空间中的点到I轴的距离即是其饱和度。如果一幅图像被描述为三维函数，则分层方法可以看成是放置一些平行于该图像的坐标平面的平面，然后,每个平面在相交的区域中“切割”图像函数。的邻域定义的一组坐标。

核心：cnt(i,j)=sum(p[k]cnt(i,j)=sum(p[k]cnt(i,j)=sum(p[k] for k in range(i, j + 1))))if i>ji>ji>j: dp[i][j]=0dp[i][j]=0dp[i][j]=0else: dp[j][j]=max(dp[i][k]+dp[k+2][j]+cnt(i,j)dp[j][j]=max(dp[i][k]+dp[k+2][j]+cnt(i,j)dp[j][j]=max(dp[i][k]+dp[k+2][

核心：if i>=ji>=ji>=j: dp[i][j]=0dp[i][j]=0dp[i][j]=0else: dp[j][j]=max(dp[i][k]+dp[k+1][j]+p[i−1]∗p[k]∗p[j]dp[j][j]=max(dp[i][k]+dp[k+1][j]+p[i-1]*p[k] *p[j]dp[j][j]=max(dp[i][k]+dp[k+1][j]+p[i−1]∗p[k]∗p[j] for k in (i,j) )))class MatrixMultipli

爬取过程：py伪装成浏览器，爬取整个网页的代码用bs解析html代码找到需要的数据提取数据from bs4 import BeautifulSoupfrom urllib import requestimport urllib.request, urllib.error # 指定URL,获取网页数据import urllibdef getData(baseurl): # 解析数据 headers = { 'User-Agent': 'Mozil