不忘初心不动摇

添加模块的搜索路径打开python运行环境>>>import sys>>> sys.path.append(r'    ')  # r 的意思的忽略转义符，让它表示他原本的意思

对于listclassmates = ['Michael', 'Bob', 'Tracy']classmates.append('Adam') //添加在末尾，没有add()方法classmates.insert(1, 'Jack') //在指定位置添加classmates.pop(1) //在知道位置删除，参数是索引del classmate[1]

list: a=[ [2,3],[4,6],[-2,5],[8,-4] ]读取操作：读前三行list:          a[0:3]array :     b[0:3,:]matrix:     c[0:3,:]    (和数组一样）

集合的排序：设classcount为集合s=[]s=sorted(classCount.iteritems(), key=operator.itemgetter(1),reverse=True)# 字典进行排序的方法（字典的迭代，获取操作数（1代表键值），反转（默认从小到大）

ones，zeros等产生的都是数组，不是列表一维  >>>a=ones(5)>>>a>>>array([1,1,1,1,1])二维>>>b=zeros((2,3))     #要两个括号，表示是两行三列的数组>>>b>>>array( [ [0,0,0],[0,0,0] ] )

pip 是后续安装python其他包的工具

数值归一化的原因：有的特征数值很大，在很大程度上影响了预测的结果，我们将数值限定在同一量级，可以保证所有数据是同等重要的归一化操作：将取值范围处理为0到1 或者-1到1 之间归一化的公式：normVal=(oldVal-min)/(max-min)def autoNorm(dataSet): minVals=dataSet.min(0) # 求每列的最小值，0代表列

def loadDataSet(fileName): fr=open(fileName) dataMat=[] for line in fr.readlines(): curLine=line.strip().split('\t') fltLine=map(float,curLine) # map(function,sequnce),

这里记录用pytorch 多GPU训练 踩过的许多坑 仅针对单服务器多gpu 数据并行 而不是 多机器分布式训练一、官方思路包装模型这是pytorch 官方的原理图 按照这个官方的原理图 修改应该参照https://blog.youkuaiyun.com/qq_19598705/article/details/80396325上文也用dataParallel 包装了optimize...