机器学习初探

记录一础小白的学习历程

一些上来不懂的东西2022.4.2

Python：编程语言。
PyTorch是一个开源的Python机器学习库
pycharm是个集成开发软件，写Python的
NumPy（Numerical Python）是Python的一种开源的数值计算扩展
Pandas 是 Python 语言的一个扩展程序库，用于数据分析
不得不说，这本书还对新手挺好的–>《动手学深度学习》

4.1

做好思想工作想进实验室，开始看python基础

4.2

周六，睡懒觉，b站python过了一小遍。
剩下一点时间配置环境。
安装Anaconda，pytorch，jupyter，pycharm。
修改conda包管理为清华镜像源，这个官网有清晰的步骤。

4.3

万事不要怕，只要肯重装。8次了
不知道为啥，就一直出配置问题。

起床开机
while 遇到问题 :
 	搜索解决方法

放弃了pycharm了，太卡了，转用vscode
还是学理论吧，python看本书，然后看看绘图和numpy就只能去啃指定的书了。真无奈。pages83

4.4

忘记了

4.5

再不上网找解释了，官方的文档才是yyds
numpy

np.random.normal(mu,sigma,size) 
#随机生成满足正态分布的list
#mu,sigma就是正态分布的符号，size是一个元组，表示array形状
np.mean(s,xies) #计算均值
np.std() # 计算标准差

matplotlib

plt.scatter(x,y,1) # 1是点的大小，散列表

python

yield # 类似return，迭代器，可以用for或者next()调用
random.shuffle() # 打乱容器顺序

pytorch

torch.Tensor(3,3,3) # 3*3*3=None的张量 ,后面加dtype=torch.float32可以定义类型或者.Tensor换成LongTensor之类的
torch.ones() #None变成1
torch.mul(a, b) # 是矩阵a和b对应位相乘，a和b的维度必须相等，比如a的维度是(1, 2)，b的维度是(1, 2)，返回的仍是(1, 2)的矩阵；
torch.mm(a, b) #是矩阵a和b矩阵相乘，比如a的维度是(1, 2)，b的维度是(2, 3)，返回的就是(1, 3)的矩阵。
index_select
	选取一个维度的部分张量（目前理解）
	-   a = [[ 1.,  2.,  3.,  4.],
		     [ 5.,  6.,  7.,  8.],
		     [ 9., 10., 11., 12.]]
		b = torch.index_select(a, 0, torch.tensor([0, 2]))
		  = a.index_select(0,torch.tensor([0,2])
		  = [[ 1.,  2.,  3.,  4.],
		     [ 9., 10., 11., 12.]]
		c = torch.index_select(a, 1, torch.tensor([1, 3]))
		  = [[ 2.,  4.],
		     [ 6.,  8.],
		     [10., 12.]]

4.6

jupyter快捷键

shift+tab 得到提示，这个可能会挺有用
Esc进入命令模式(意会即可)
	- a进入上一个
	- b进入下一个
	- dd 删除本单元
	- m 本单元进入markdown模式
	- y 本单元进入代码模式
shift+enter 运行本单元，新建一个单元进入
ctrl+enter 运行本单元
 

4.11

鸽了好久
backward自动求梯度
pytorch不允许张量对张量求导，可以采取求和的方式将y变成一个标量
搞了一份cnn的数字识别

4.12

CNN的基本配置—卷积层、激化层、池化层
多通道就是多个卷积核和输入的分别得到的卷积相加