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》
做好思想工作想进实验室,开始看python基础
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。
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
忘记了
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.]]
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
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
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