既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
1.论志同道合者的重要性。宝剑赠英雄,红粉送佳人。生命中三两同行人,足矣。
2.小人物,笨办法,大智慧。
照着葫芦画瓢。别人的网络可以运行的通,就仿照他们的编写格式,进行修改,适应自己的个性化任务。修改之后,要是报错,不要气馁。实在不行的情况下,找到报错关键地方,一句一句的采用调试方式或print(),接下来要的就是耐心和细心了,日拱一步,步步为营。
3.几多愁来几多喜!
4.感叹,人世唯艰,人间正道是沧桑。
# class\_num = 31
# model
m_models1 = {tmp:model.network_dict['AlexNetFc'](True) for tmp in dataset_train}
'''
m\_models = {tmp:nn.Sequential(m\_models[tmp], nn.Linear(m\_models[tmp].out\_features, 3))
for tmp in dataset\_train}
m\_models2 = {tmp:nn.Sequential(m\_models[tmp], nn.Linear(m\_models[tmp].out\_features, 5))
for tmp in dataset\_train if tmp == "target"}
'''
m_models = {'source':nn.Sequential(m_models1['source'],
nn.Linear(m_models1['source'].out_features, 2))}
print(m_models)
m_models2 = {'target':nn.Sequential(m_models1['target'],
nn.Linear(m_models1['target'].out_features, 5))}
print(m_models2)
m_models.update(m_models2)
print("dataset\_train:", dataset_train)
print( m_models)
'''
for tmp in dataset\_train:
print(tmp)
print(m\_models[tmp])
print({tmp:m\_models[tmp]})
m\_models = {tmp:nn.Sequential(m\_models[tmp['souce']],
nn.Linear(m\_models[tmp['souce']].out\_features, 5))}
m\_models2 = {tmp:nn.Sequential(m\_models[tmp], nn.Linear(m\_models[tmp].out\_features, 5))}
print("tmp", tmp)
m\_models = {tmp:nn.Sequential(m\_models[tmp], nn.Linear(m\_models[tmp].out\_features, 5))}
![img](https://img-blog.csdnimg.cn/img_convert/485e747a954815648cc67544bca290f1.png)
![img](https://img-blog.csdnimg.cn/img_convert/0853acc1f2ef2e2e293dced2dd832571.png)
![img](https://img-blog.csdnimg.cn/img_convert/98e8fa36e4121de65a14d110ad7cdf40.png)
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!**
**由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新**
**[需要这份系统化资料的朋友,可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**
,可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**