每日学习内容23/9/20-21

1.数据分析

从拿到一组数据之后，先进行预处理，然后从数据模型入手，进行数据分析，最后将数据可视化，数据分析完成。根据最终的成果，进行总结、排除异常、预测趋势。

2.计时器

import math
import time
import numpy as np
import torch
from d2l import torch as d2l


class Timer:  #@save                       计时器
    """记录多次运行时间"""
    def __init__(self):
        self.times = []
        self.start()

    def start(self):
        """启动计时器"""
        self.tik = time.time()

    def stop(self):
        """停止计时器并将时间记录在列表中"""
        self.times.append(time.time() - self.tik)
        return self.times[-1]

    def avg(self):
        """返回平均时间"""
        return sum(self.times) / len(self.times)

    def sum(self):
        """返回时间总和"""
        return sum(self.times)

    def cumsum(self):
        """返回累计时间"""
        return np.array(self.times).cumsum().tolist()

 关于计时器的使用并不熟练，应理解其原理并模拟多种情况。

//%matplotlib inline在pycharm不适用，（开头）import matplotlib.pyplot as plt，（结尾）plt.show()        也许可以解决。

3.合成数据集

def synthetic_data(w, b, num_examples):  #@save
    """生成y=Xw+b+噪声"""
    X = torch.normal(0, 1, (num_examples, len(w)))
    y = torch.matmul(X, w) + b
    y += torch.normal(0, 0.01, y.shape)
    return X, y.reshape((-1, 1))

true_w = torch.tensor([2, -3.4])
true_b = 4.2
features, labels = synthetic_data(true_w, true_b, 1000)

尚未理解运用方法。。。。。。