weiwei935707936的博客

import numpy as npimport matplotlib.pyplot as pltimport pandas as pdimport matplotlib.ticker as tickera = torch.randn(4, 2)b = a.softmax(dim=1)c = a.softmax(dim=0).transpose(0, 1)print(a, '\n', b, '\n', c)d = b.matmul(c)print(d)d = d.numpy().

模型的保存和加载:保存参数表torch.save(the_model.state_dict(), PATH)the_model = TheModelClass(*args, **kwargs)the_model.load_state_dict(torch.load(PATH))直接保存模型 (不是的, 你的pth变量会保存很多东西)torch.save(the_model, PATH)the_model = torch.load(PATH)模型的直接测试:在pre.

如何很漂亮地直接打印dict的键值:如何遍历一个list, 并返回满足要求的值和其index:如何遍历一个dict:list转成dict, dict转list:

背景: 要实现这个矩阵乘法方案一: 自己低级的实现:每一个维度做for循环方案二: 师兄的方案, 大佬的实现方案三: 和义朋兄讨论之后, 实现的方案: torch.matmul()实现即, matmul直接可以实现维度不同的矩阵乘法...

异常停止, 也没有报错, 非常迷醉 积累的经验: 匹配路径这种事情没什么好怕的 有些包, 它会显示红色报错, 但是还是可以运行起来的(如果一个问题在网上百般查找无果, 就很有可能是自己的问题) 如果数值不对, 或者不理想: 检查初始化等技巧 采样的大小对, 程序是否正确运行的影响 :::::::::...

#应该直接出来一堆conda#创建一个新的环境 名字 python版本conda create -n mypytorch Python=3.8#环境列表conda env list#切换环境conda activate mypytorch#看这个环境帮我们安装了那些packageconda list#不需要这个环境时可以退出conda deactivate...

torch.mul:核心：普通标量相乘 张量和标量相乘：每个元素×数值#输入张量和标量相乘torch.mul(input, value, out=None) 例：>>> a = torch.randn(3)>>> a-0.9374-0.5254-0.6069[torch.FloatTensor of size 3]>>> torch.mul(a, 100)-93.7411-52.5374-60.6908[to

画子图: 包导的不合适就会报错, 应该是下面的导包方法: import matplotlib.pyplot as plt# import matplotlib as plt #包导错了不行 Pycharm里面画图不对不会报错? 画图:

前提：需要pycharm专业版破解版（过程十分简单，下载解压，运行.sh，破解码搞定，不要头大） 1.找前辈要。 或者自行寻找。 2.运行.sh文件（Linux） 3.在网上寻找破解码然后自行寻找就可以了。一.在GitHub上找到该项目，在本地储存代码的地方用终端git clone (URL)下载项目...

搜索文本：Ctrl + shift + F

numpy——.npy和.npz文件： npy文件——Numpy专用的二进制格式 np.load()和np.save() 数组会以未压缩的原始二进制格式保存在扩展名为.npy的文件中 保存为.npy文件后如果使用记事本等工具打开浏览会出现乱码 够浏览内容的话建议不要使用.npy文件 import numpy as np# 将数组以二进制格式保存到磁盘arr=np.arange(5)np.save('test',arr)# 读取数组print(np.load('test

from__future__import ......：py编译器引入高版本功能，需在首行。（比如，3.多版本对于2.多来说就是future） import argparse:解析命令行参数和选项的标准模块（视频：https://www.aparat.com/v/pl6c0/Python_Tutorial_-_Argparse） import os.path关...

稀疏矩阵： 零元素的个数远远多于非零元素 反义词：稠密矩阵 Scipy：创建稀疏矩阵的工具 将稠密矩阵转化为稀疏矩阵的工具 可以在Scipy上运行的函数： 许多在Numpy数组上运行的线性代数Numpy和SciPy函数 Numpy数据结构的机器学习库，如：机器学习的scikit-learning和用于深度学习的Keras Scipy中有可以表示的7种稀疏矩阵类型：csc_matrix: Compressed Sparse Column format c..

Argparse：轻松编写用户友好的命令行接口。 程序定义需要参数，argparse从sys.argv解析参数 argparse使用流程： 创建解析器对象ArgumentParse() 调用add_argument() 方法添加参数 使用parse_args() 解析添加的参数 ...