Jeaosn2332的博客

1.tensor到底是啥 tensor 即“张量”（翻译的真难理解，破概念）。实际上跟numpy数组、向量、矩阵的格式基本一样。但是是专门针对GPU来设计的，可以运行在GPU上来加快计算效率，不要被吓到。 在PyTorch中，张量Tensor是最基础的运算单位，与NumPy中的NDArray类似，张量表示的是一个多维矩阵。不同的是，PyTorch中的Tensor可以运行在GPU上，而NumPy的NDArray只能运行在CPU上。由于Tensor能在GPU上运行，因此大大加快了运算速度。 一句话总结：一个可以运行在gpu上的多维数据而已

样本的独立同分布 https://zhuanlan.zhihu.com/p/134230464

对于不同的阶段所需要看的文章不同，所以适合自己的才是最重要的，反而是别人推荐的文章不一定适合自己

Python在读取文件路径的时候，因为字符串'\'会被当做转义字符 所以文件路径的写法有三种： 一:更换为绝对路径的写法 func1("C:\\Users\\renyc") 二:显式声明字符串不用转义（加r） func1(r"C:\Users\renyc") 三:使用Linux的路径/ func1("C:/Users/renyc")

行列式性质2证明：交换行列式的两行（或两列），行列式改变符号 原行列式设为D，我们以交换行为例，交换了其中第i行与第j行后成为行列式D1。 前提我们首先要知道，行列式的中每一项的正负号其实是由行下标的逆序数和列下标的逆序数共同决定的，只是为了方便，正常情况下，让行下标按自然顺序排列，行下标的逆序数和列下标的逆序数相加为偶数，则该项的符号为正，否则反之。 交换了第i行与第j行，则某项中的列的逆序数奇偶性不会改变，但是行的逆序数由于排列改变，所以奇偶性也会改变，最后相加起来后，整体的奇偶性就会改变，所以该项的符号会改变，以此类推，D1中每一项的符号都会改变，所以D = -D1。

从今天开始，我立下写博客的目标，为了记录自己学习过程中的一些见解

动态链表，我不理解；