自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

谢TS的博客

完整教程级专栏,保姆级代码注释,站在小白角度思考。只写原创,不为流量,正正经经写作,不写矫情废话,拒绝流量标题党!

  • 博客(267)
  • 资源 (4)
  • 收藏
  • 关注

原创 Python机器学习(scikit-learn):监督学习 --- 线型模型(线型回归、岭回归、逻辑回归)、样本生成器、方法链

线型回归,又名普通最小二乘法。LinearRegression 实现了基于普通最小二乘法的线性回归,以最小化数据集中观察到的目标与通过线性近似预测的目标之间的残差平方和,来拟合具有系数 w = (w1, ..., wp) 的线性模型。

2023-05-31 20:52:38 384

原创 Python机器学习(scikit-learn):监督学习 --- k最近邻 (k-NN)、特征缩放(标准化数据/归一化数据)

k近邻算法 (k-NN, K-NearestNeighbor)。k-NN 算法构建模型只需要保存训练集数据即可。k-NN 模型把样本的所有特征构造一个坐标系(二维、三维 或 更高维),每一个样本都在坐标系中对应一个点(坐标由样本的所有特征组成)。想对新数据点做出预测,算法会在训练集数据点构成的坐标系中找到最近的 k 个数据点(也就是它的“最近邻”),然后根据这个 k 个数据点对新数据做出预测。当样本特征数据在运算时,为了减小不同特征取值范围误差,可以把特征数据缩放为标准化数据。均值为 0,方差为 1 的数据

2023-05-30 21:46:57 696

原创 Python机器学习(scikit-learn):scikit-learn 简介

scikit-learn 是基于 Python 语言的用于预测数据分析的简单高效机器学习库。它提供了用于机器学习的算法,包括 分类、回归、降维 和 聚类。它也提供了用于数据预处理、提取特征、优化超参数和评估模型的模块。scikit-learn 基于 NumPy、SciPy 和 matplotlib 构建。开源,商业可用 - BSD 许可证。

2023-05-30 21:24:24 1433

原创 Python 机器学习(scikit-learn)(总目录)

Python 机器学习/scikit-learn(总目录)

2023-05-30 21:16:43 185

原创 Python数据分析基础03: 数据可视化 --- matplotlib 详细教程

Matplotlib 是一个用于在 Python 中创建静态、动画和交互式可视化的综合库。Matplotlib 使容易的事情变得容易,使困难的事情成为可能。Matplotlib 以各种硬拷贝格式和跨平台的交互式环境生成达到出版质量的统计图。Matplotlib 可以用于 Python 脚本、Python/IPython Shell、Web应用程序 和 各种图形用户界面工具包。

2023-05-30 20:47:15 1159

原创 Python数据分析基础02: 结构化数据表格 --- pandas

Pandas 建立在 NumPy 之上,旨在与许多其他第三方库很好地集成在科学计算环境中。pandas 的两个主要数据结构 Series(一维数据) 和 DataFrame(二维) 足够用于处理金融、统计学、社会科学和许多工程领域的绝大多数典型用例。pandas 提供快速、灵活和富有表现力的数据结构,旨在使处理“关系”或“标记”数据,既简单又直观。

2023-05-30 17:14:51 221

原创 Python数据分析基础01: 多维数组矩阵 --- numpy

NumPy 是 Python 中科学计算的基础包。它是一个 Python 库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种函数,包括数学、逻辑、形状操作、排序、选择、I/O 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。

2023-05-30 16:25:09 675

原创 Python (Pillow) PIL 图片处理:读写/创建/显示、剪切/粘贴/拼接、颜色/几何变换、滤镜(过滤器)、绘图(ImageDraw)

PIL(Python Imaging Library)是 Python 的图片处理模块。提供了相当强大的图像处理能力,几乎支持所有常见图片格式的编码和解码。Pillow 支持读取图片、创建图片、显示图片。支持图片剪切、图片粘贴、图片拼接。支持颜色变换,图片滤镜(过滤器)。支持几何变换:缩放图片、旋转图片、转置图片。支持通道拆分,移除 alpha 通道,把 RGBA 图片转换成 RGB 图片。其中 PIL.ImageDraw 支持绘制各种图形:绘制点、线段、矩形、多边形、弧线、弦、扇形、椭圆、图片、文本。

2023-05-29 21:31:23 2478

原创 Python 高级模块应用(总目录)

Python 高级模块应用(总目录)

2023-05-28 13:32:57 159

原创 MySQL 基础学习04:视图、索引

视图是虚拟的表,本身不包含数据。视图是对一条 SQL 查询语句的封装,可以把一条复杂的 SQL 查询语句创建为视图。查询视图就如同把封装的 SQL 查询语句当做子查询,从子查询中查出结果然后再执行主查询(视图查询)。索引:索引大幅改善了搜索数据的性能,但降低了数据插入、修改和删除的性能。每一次执行删改操作时,DBMS 都需要动态更新索引。索引数据可能会占用大量的存储空间。取值不多字段不适合做索引,取值非常多或唯一的字段(如姓名)更适合建立索引。索引经常用于数据过滤和排序。如果某个字段进场以某种

2023-05-28 13:31:45 89

原创 MySQL 基础学习03:事务处理

事务处理(transaction processing),可以确保成批的 SQL 操作要么完全执行,么完全不执行,以此来维护数据库的完整性。MySQL 事务处理相关命令:START TRANSACTION 或 BEGIN 开始新的事务。COMMIT 提交当前事务,使其更改永久化。ROLLBACK 回滚当前事务,取消其更改。SET AUTOCOMMIT = {0|1} 禁用或启用当前会话的默认自动提交模式。

2023-05-28 13:29:46 138

原创 MySQL 基础学习02:运算符、函数、数据查询

MySQL 基础学习:运算符、函数、数据查询

2023-05-28 13:28:48 265

原创 MySQL 基础学习01:数据库操作、数据类型、表操作、数据增删改

MySQL 基础学习:数据库操作、数据类型、表操作、数据增删改

2023-05-27 00:34:48 110

原创 MySQL 专栏(总目录)

MySQL 专栏(总目录)

2023-05-27 00:17:31 137

原创 PHP基础学习03:面向对象

PHP基础学习:面向对象

2023-05-27 00:15:32 110

原创 PHP基础学习02:程序结构、异常处理、函数

PHP基础学习:程序结构、异常处理、函数

2023-05-27 00:13:37 56

原创 PHP基础学习01:变量、数据类型、数学运算

包含 PHP 脚本代码的 .php 源文件通常放在服务器上,访问此文件时由服务器把源码文件内的 脚本代码解析后将纯 (HTML) 文本返回给客户端。php 内置了一个 web 服务器,可以在终端运行 php -S : [-t docroot] [router] 启动一个简易的 web 服务器,然后在本地用浏览器访问 php 文件。除了在服务器端运行 PHP 脚本文件外,也可以在本地安装 php 解释器,在终端运行 php file.php 命令直接解释运

2023-05-27 00:13:36 240

原创 PHP 专栏(总目录)

PHP 专栏(总目录)

2023-05-27 00:11:40 75

原创 Golang_23: Go语言 go test 测试

Go 提供了用于测试代码的 go test 子命令,测试框架的相关接口在 testing 包中,官方文档:https://pkg.go.dev/testing 。Go 的测试文件以 _test.go 结尾命名(这些文件会被 go build 忽略),go test 命令会自动查找所有 *_test.go 文件,找到文件中的测试函数,并临时生成一个 main() 函数去调用它,然后编译运行并报告结果,最后清空临时生成的文件。

2023-05-27 00:05:21 2889

原创 Golang_22: Go语言 XML 编码 和 解码

Go 内置的 encoding/xml 包实现了一个简单的 XML 1.0 解析器,并且支持命名空间。

2023-05-27 00:05:19 745

原创 Golang_21: Go语言 JSON 编码 和 解码

Go 内置的 encoding/json 包实现了 RFC 7159 中定义的 JSON 的编码和解码。JSON 和 Go 数据类型之间的映射在 json.Marshal() 和 json.Unmarshal() 函数的文档中进行了描述。有关 JSON 和 Go 的详细介绍,可以参考:https://go.dev/blog/json。

2023-05-27 00:04:33 417

原创 Golang_20: Go语言 外部命令调用(运行 shell 命令)

Go 内置的 os/exec 包用于运行外部命令。它包装了 os.StartProcess 以便更轻松地重新映射 标准输入 和 标准输出、将 I/O 与 管道 连接以及进行其他调整。

2023-05-27 00:04:26 654

原创 Golang_19: Go语言 日期时间 与 定时器

Go 语言处理日期时间使用内置的 time 模块。

2023-05-26 21:30:00 298

原创 Golang_18: Go语言 正则表达式

Go 语言 正则表达式 处理使用内置的 regexp 模块。

2023-05-26 21:15:00 460

原创 Golang_17: Go语言 网络编程:WebSocket 客户端与服务端

Go 内置模块没有对 WebSocket 的支持,可以使用第三方库,推荐 Gorilla WebSocket,它支持 WebSocket 服务端与客户端。

2023-05-26 21:00:00 1570

原创 Golang_16: Go语言 网络编程:HTTP/HTTPS Server 服务端

Go 语言内置的 net/http 包除了支持 HTTP 客户端,还支持 HTTP 和 HTTPS 服务端(并且支持 HTTP/2.0 版本的服务端)。

2023-05-26 20:45:00 717

原创 Golang_15: Go语言 网络编程:HTTP/HTTPS Client 客户端

Go 语言内置的 net/http 包提供了简洁而又完善的 HTTP 客户端 和 服务端 的实现,并且 客户端 和 服务端 均支持 HTTP/2.0。

2023-05-26 20:30:00 594

原创 Golang_14: Go语言 网络编程:TCP 与 UDP(socket 编程)

Go 语言的 net 包为网络 I/O 提供了可一个可移植的接口,包括 TCP/IP、UDP、域名解析 和 Unix域套接字。尽管 net 包提供了对低级网络原语的访问,但大多数情况下只需要使用 Dial()、Listen() 和 Accept() 函数以及相关的 Conn 和 Listener 接口提供的基本方法。crypto/tls 包使用相同的接口实现了 TLS 版本的 Dial() 和 Listen() 功能。

2023-05-26 20:15:00 587

原创 Golang_13: Go语言 并发编程:协程(goroutine)、通道(chan)、同步锁(Mutex)、WaitGroup、上下文(context)

Go 语言的并发编程使用 协程(goroutine)实现。Go 语言的每一个并发执行的任务称为 goroutine,也包括执行 main() 函数的任务。Go 启动一个 goroutine 非常简单,在任何函数或方法调用前面加上 go 关键字,该函数或方法的调用即异步执行。

2023-05-26 20:00:00 1065

原创 Golang_12: Go语言 文件IO:文件读写、文件操作

Go 语言文件操作相关的包:os、io/ioutil、path/filepath。打开一个文件的通用函数: os.OpenFile()。一般情况下不直接使用 os.OpenFile() 函数打开文件,而是使用另外两个更加简洁的函数 os.Open() 和 os.Create()。

2023-05-26 18:00:00 976

原创 Golang_11: Go语言 包管理工具、工作空间组织、Go环境变量、GOPROXY

Go 的项目工程,使用 包(package) 和 文件夹 来组织代码源文件,每个源文件中都包含一个包名,可以用多级文件夹存放不同功能的源码文件。Go 1.11 版本之前,一般使用 GOPATH 模式组织工作空间。Go 1.11 版本引入了 Go Modules 模式的项目模块管理方式,Go 1.14 版本开始已强烈推荐使用 Go Modules。GOPROXY 可以指定多个代理 URL(使用逗号 , 分隔),也可以包含一个表示直连(不走代理)的关键字 direct。

2023-05-26 17:30:00 1487

原创 Golang_10: Go语言 泛型编程

Go 1.18 开始支持泛型编程。泛型(generic)允许程序员在强类型编程语言中编写代码时使用一些以后才指定的类型,在实例化或实际调用时作为参数指明这些类型。

2023-05-26 15:30:00 666

原创 Golang_09: Go语言 错误处理(error)、链式/树状error、panic与recover

Go 调用可能发生异常的函数时,通过多返回一个附加结果作为错误值,习惯上将错误值作为最后一个返回结果。如果返回的错误值为错误类型的零值(如 nil),表示没有发生错误。

2023-05-25 22:26:14 1099

原创 Golang_08: Go语言 接口 与 面向对象

接口类型 是对其他类型行为的概括和抽象,一个接口类型约定了有零个或多个方法。Go 语言的接口不需要显式实现,一个类型只要拥有一个接口约定的所有方法,那么就表示该类型实现了这个接口。对于一个具体的类型,也不需要声明它实现了哪些接口。接口类型属于引用类型,其零值为空指针 nil。

2023-05-25 22:15:21 290

原创 Golang_07: Go语言 函数 与 方法

函数在 Go 语言中也是一种类型,也可以和其他普通类型一样声明变量。函数变量也支持赋值操作、作为参数传递给函数 和 作为函数返回值。函数类型 属于引用类型,其零值为空指针 nil。函数变量的比较运算仅支持与其零值 nil 做 == 和 != 操作。声明一个函数后,其 函数名 就是一个此函数类型的一个 常量值,因此也不能对函数名用 & 操作符取地址。函数类型 的字面表示由 func关键字、参数类型列表、返回值类型列表 构成。实际上就是普通函数的声明格式,去掉函数名称,参数名称,以及函数体部分。格式:f

2023-05-25 21:59:48 97

原创 Golang_06: Go语言 程序结构:分支结构、循环结构、选择结构、select

Go 程序基本的三个程序结构:分支结构(if-else)、循环结构(for)、选择结构(switch)。与 switch 类似的,用于通道(chan)通信控制的 select。不推荐使用的 goto 语句。

2023-05-25 21:50:08 109

原创 Golang_05: Go语言 缓冲区(Buffer) 与 读取器(Reader)

对于字符串 复制赋值、切片子串 的操作,底层共用了同一个字符串字节数组,不会真正产生新的字符串,也就不会分配新的内存区域去存储字符串。但对于字符串的拼接,则会为拼接后的新字符串分配新的底层字节数组去存储。如果频繁拼接字符串,效率就显得的低下,因此就需要使用到缓冲区(Buffer)来做优化。bytes.Buffer 是具有 读取 和 写入 方法的可变大小的字节缓冲区。bytes.Buffer 是一个结构体类型,它的零值是一个可以直接使用的空缓冲区。

2023-05-25 21:37:10 1821

原创 Golang_04: Go语言 标准输入输出 与 格式化输入输出

格式化函数均以 f 结尾。还有其他格式化函数,log.Printf() 包含时间前缀打印,fmt.Errorf() 格式化字符串返回一个 error 错误对象。Printf 函数的第一个参数是格式化指示字符串,可以包含多个转义字符的占位符,使用 % 加操作格式占位,称为 verb。

2023-05-25 21:33:40 1883

原创 Golang_03: Go语言 数学运算:算术运算、赋值运算、比较运算、逻辑运算、位运算

Go语言支持的数学运算:算术运算、赋值运算、比较运行、逻辑运行、位运算。Go 程序中参与数学运算的数值类型必须完全相同。如果是变量,需要显式转换;如果是字面量,会自动隐式转换。

2023-05-25 21:30:30 293

原创 Golang_02: Go语言 数据类型:基础类型 与 复合类型

Go 的数据类型可分为 基础类型、复合类型、引用类型、接口类型 等。其中 基础类型、复合类型 是常用的 数据结构 类型,可细分为:Go 使用 关键字声明 变量,格式:其中 类型 和 表达式赋值 可以省略一个,但不能都省略(需要能够推导出变量的类型)。如果省略初始化赋值表达式,则变量的初始值为对应类型的 零值(默认值),Go 不存在未初始的变量。各类型的 零值:示例:可以用 声明多少变量:可同时声明多个不同类型的变量。短变量声明,在函数中,可以使用 短变量声明 来声明和初始化局部变量。

2023-05-25 21:20:28 312

Python机器学习(scikit-learn):监督学习 - 神经网络(深度学习)-谢TS的博客.pdf

神经网络算法,又叫“深度学习”。虽然深度学习在许多机器学习应用中都有巨大的潜力,但深度学习算法往往经过精确调整,只适用于特定的使用场景。scikit-learn 中实现了可用于分类和回归的 多层感知机(multilayer perceptron, MLP),它可以作为研究复杂深度学习算法的起点。MLP 也被称为(普通)前馈神经网络,有时也简称为神经网络。

2023-07-19

Python机器学习(scikit-learn):监督学习 - 支持向量机-谢TS的博客.pdf

支持向量机(SVM) 是一组用于分类、 回归和异常值检测的监督学习方法。支持向量机的优点是:在高维空间中有效。在维度数大于样本数的情况下仍然有效。在决策函数中使用训练点的子集(称为支持向量),因此它也具有内存效率。通用性:可以为决策函数指定不同的内核函数。提供了通用内核,但也可以指定自定义内核。支持向量机的缺点包括:如果特征数量远大于样本数量,在选择核函数时避免过度拟合,正则化项至关重要。SVM 不直接提供概率估计,这些是使用昂贵的五折交叉验证计算的。

2023-07-19

Python机器学习(scikit-learn):监督学习 - 决策树、随机森林、梯度提升决策树-谢TS的博客.pdf

决策树是广泛用于分类和回归任务的模型。本质上它是从一层层 if/else 问题中进行学习并得出结论。集成(ensemble) 是合并多个机器学习模型来构建更强大模型的方法。决策树的主要缺点在于,即使做了预剪枝,它也经常会过拟合,泛化性能很差。因此,在大多数应用中,往往使用集成方法来替代单棵决策树。在机器学习文献中有许多模型都属于集成方法,大量实例已证明有两种集成模型对大量分类和回归的数据集都是有效的,二者都以决策树为基础,分别是 随机森林(random forest) 和 梯度提升决策树(gradient boosted decision tree)。决策树的一个主要缺点在于经常对训练数据过拟合,随机森林是解决这个问题的一种方法。随机森林本质上是许多决策树的集合,其中每棵树都和其他树略有不同。随机森林背后的思想是,每棵树的预测可能都相对较好,但可能对部分数据过拟合。如果构造很多树,并且每棵树的预测都很好,但都以不同的方式过拟合,那么我们可以对这些树的结果取平均值来降低过拟合。既能减少过拟合又能保持树的预测能力,这可以在数学上严格证明。

2023-07-19

Python机器学习(scikit-learn):监督学习 - 朴素贝叶斯(分类器)-谢TS的博客.pdf

朴素贝叶斯分类器与线型模型分类器非常相似,但它的训练速度往往更快。这种高效率所付出的代价是,朴素贝叶斯模型的泛化能力比线型模型分类器(如 LogisticRegression 和 LinearSVC)稍差。朴素贝叶斯训练模型高效的原因在于,它通过单独查看每个特征来学习参数,并从每个特征中收集简单类别统计数据。

2023-07-19

Python机器学习(scikit-learn):线型模型(线型回归、逻辑回归)、样本生成器、方法链-谢TS的博客.pdf

线型回归,又名普通最小二乘法。LinearRegression 实现了基于普通最小二乘法的线性回归,以最小化数据集中观察到的目标与通过线性近似预测的目标之间的残差平方和,来拟合具有系数 w = (w1, ..., wp) 的线性模型。

2023-07-19

Python机器学习(scikit-learn):k最近邻 (k-NN)、特征缩放(标准化归一化数据)-谢TS的博客.pdf

k近邻算法 (k-NN, K-NearestNeighbor)。k-NN 算法构建模型只需要保存训练集数据即可。k-NN 模型把样本的所有特征构造一个坐标系(二维、三维 或 更高维),每一个样本都在坐标系中对应一个点(坐标由样本的所有特征组成)。想对新数据点做出预测,算法会在训练集数据点构成的坐标系中找到最近的 k 个数据点(也就是它的“最近邻”),然后根据这个 k 个数据点对新数据做出预测。当样本特征数据在运算时,为了减小不同特征取值范围误差,可以把特征数据缩放为标准化数据。均值为 0,方差为 1 的数据

2023-07-19

Python机器学习(scikit-learn):scikit-learn 简介-谢TS的博客.pdf

scikit-learn 是基于 Python 语言的用于预测数据分析的简单高效机器学习库。它提供了用于机器学习的算法,包括 分类、回归、降维 和 聚类。它也提供了用于数据预处理、提取特征、优化超参数和评估模型的模块。scikit-learn 基于 NumPy、SciPy 和 matplotlib 构建。开源,商业可用 - BSD 许可证。

2023-07-19

飞扬的小鸟 (Flappy Bird, 像素鸟) 小游戏资源文件(图片+音频)

飞扬的小鸟 (Flappy Bird, 像素鸟) 小游戏的资源文件(图片+音频), 完整源码和教程请查看文章: https://xiets.blog.csdn.net/article/details/131791045

2023-07-18

PyTorch 实现 循环神经网络(RNN)、长短期记忆网络(LSTM)、门控循环单元网络(GRU)-谢TS的博客.pdf

循环神经网络(Recurrent Neural Network, RNN)是以 序列(Sequence)数据作为输入,沿序列的演进方向进行 递归(Recurrent)且所有循环单元节点按链式连接的一类神经网络。循环神经网络具有记忆性,对序列数据的非线性特征进行学习时具有一定优势。还有 RNN 的加强版 长短期记忆网络(LSTM, Long Short-Term Memory)和 门控循环单元网络(GRU, Gated Recurrent Unit networks)拥有更强的“记忆力”。

2023-07-17

PyTorch 实现 卷积神经网络(CNN)、全连接层、卷积层、池化层、MNIST手写字体识别-谢TS的博客.pdf

全连接层,是每一输入节点都和所有输出节点相连。卷积神经网络一般用于图片等特征维度非常大的数据。池化的目的就是显著降低数据的维度。

2023-07-17

PyTorch 模型保存与加载、数据加载器、顺序容器-谢TS的博客.pdf

当训练好一个模型后,可以把模型的状态参数保存到本地,下次需要使用时直接加载到模型即可,而不用每次都重新开始训练。当一个模型和数据集都非常大,训练时间需要特别长时,也可以定时保存模型的状态参数,防止中途出错。torch.utils.data 模块包含了数据加载相关的类。深度学习一般都需要大量的训练数据,如果把所有数据一次性加载到内存,容易把内存占满,因此需要把数据分批次加载和训练。顺序容器(nn.Sequential)的使用。

2023-07-17

PyTorch 实现 逻辑回归、多元分类-谢TS的博客.pdf

线性回归 和 非线性回归 的输出都是连续的。逻辑回归 与 线性回归/非线性回归 区别在于 逻辑回归 的输出是 二元离散 的,即输出特征只有两种结果。逻辑回归是二元分类,属于多元分类的一种特殊情况。多元分类与二元分类类似,区别在于使用 softmax 函数替代 sigmoid 函数作为激活函数。如果分类的类别数为 n,则 softmax 函数接收 n 个输入,然后输出 n 个概率(概率之和为 1),概率最大的类别就是预测的类别。

2023-07-17

PyTorch 实现 非线型回归-谢TS的博客.pdf

使用 线性模型 组合 激活函数 构建神经网络模型实现非线性回归。下面代码示例,先随机生成一组接近 y = x^3 的坐标点,然后构建非线性神经网络模型拟合所有坐标点,训练出拟合函数。

2023-07-17

PyTorch 激活函数、损失函数、优化器-谢TS的博客.pdf

激活函数的出现就是要让神经网络模型可以拟合复杂的非线性函数。激活函数是一个 非常简单的非线性函数,只要把多个神经网络层的输出应用激活函数,神经网络就具有拟合复杂非线性函数的强大能力。

2023-07-17

PyTorch 实现 线型回归-谢TS的博客.pdf

使用 线性模型 组合 激活函数 构建神经网络模型实现非线性回归。下面代码示例,先随机生成一组接近 y = x^3 的坐标点,然后构建非线性神经网络模型拟合所有坐标点,训练出拟合函数。

2023-07-17

PyTorch 基础:Tensor(张量)-谢TS的博客.pdf

PyTorch 是由 Facebook 研发的开源的深度学习框架,并且支持 CPU 和 GPU 加速计算。torch.Tensor 是包含单一数据类型元素的多维数组,它是 PyTorch 中数据存储和运算的基本单元,类似于 NumPy 的 numpy.ndarray,两者的函数接口和运算方式几乎一样。实际上 PyTorch 内部也是把 ndarray 包装成 Tensor。Tensor 中文称为 张量(可以看做是一个多维数组),是 PyTorch 中最基本的数据类型。

2023-07-17

Android反编译工具包(apktool + dex2jar + jd-gui)

Android反编译工具包(apktool_2.7.0.jar、dex2jar-2.1.zip、jd-gui-1.6.6.jar)

2023-04-18

C/C++中文帮助文档.chm

C/C++中文帮助文档.chm

2023-04-17

Java 通过代码发送邮件示例源码

Java 通过代码发送邮件示例源码

2023-04-13

JLayer1.0.1.zip

纯 Java SE 实现的 MP3 播放器,可以实现简单的 MP3 播放(只能简单实现,不能作为完整的播放器) 使用参考博文: https://blog.csdn.net/xietansheng/article/details/85056358

2021-04-10

JavaMail 1.6.0

包含了 SMTP, IMAP, 和 POP3 协议的实现的 JavaMail 1.6.0 release jar 包

2017-08-10

LibGDX音频案例素材.zip

LibGDX基础教程中的音频开发案例资源下载

2015-12-05

LibGDX图片打包工具 gdx-texturepacker-3.2.0

LibGDX图片打包工具的GUI封装 gdx-texturepacker-3.2.0

2015-11-02

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除