weixin_42060572的博客

https://cloud.tencent.com/developer/article/1453992卷积神经网络在图像处理中的地位已然毋庸置疑。卷积运算具备强大的特征提取能力、相比全连接又消耗更少的参数，应用在图像这样的二维结构数据中有着先天优势。然而受限于目前移动端设备硬件条件，显著降低神经网络的运算量依旧是网络结构优化的目标之一。本文所述的Separable Convolution就是降低卷积运算参数量的一种典型方法。常规卷积运算假设输入层为一个大小为64×64像素、三通道彩色图片。经过一个包含

repeat()沿着特定的维度重复这个张量，按照倍数扩充1、x.repeat(a)列数乘以a倍，对x进行横向赋值import torchx = torch.tensor([1,2,3,4])print(x)print(x.shape)xnew = x.repeat(3)# 注意x的维度没有被改变，repeat后的维度仅仅传入xnew中。print(x)print(xnew)print(xnew.shape)2、x.reshape(a,b)列数先乘以b倍，再行数乘以a倍。即对x先

numpy中的transpose函数使用方法https://www.cnblogs.com/caizhou520/p/11227986.html写的很好其中三维张量的轴如下

https://www.jianshu.com/p/3d63f36cc960写的不错，先码住。保留以后自己查看

参考https://www.cnblogs.com/linyfeng/p/11223707.html创建了一个login.ui文件后按照该博文的方法在python中实现，代码如下，添加了自己学习的注释# 导入程序运行必须模块import sys# PyQt5中使用的基本控件都在PyQt5.QtWidgets模块中from PyQt5.QtWidgets import QApplication,QMainWindow# 导入designer工具生成的login模块from login imp

同样是刷矩阵的转置时想定义一个空的二维数组遇到的问题。利用乘法定义二维数组a = [[1]*3]b = [[1,2]*3]c = [[1]*3]*3d = [[1,2]*3]*3print(a)print(b)print(c)print(d)结果但有个缺陷，例如对d数组的元素进行改变时：d[0][0]=0print(d)结果：会发现有三处改变。这是因为构建d时对[1,2,1,2,1,2]*3是浅拷贝。浅拷贝，指的是重新分配一块内存，创建一个新的对象，但里面的元素是原对象

第一次刷leetcode的矩阵转置就遇到了奇奇怪挂的问题，QAQ代码如下b = []a = [2]b = aa[0] = 3print(a)print(b)结果如下问了计科小哥哥说是因为a和b都指向了同一块内存地址，所以a[0]=1，相当于是对该内存地址的数组[0]进行了操作。所以同样指向这个内存地址的b的输出出来的值也变成了3.估摸着是浅拷贝的知识。然鹅我还没太弄懂。...