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。。。。。。