-
torch.nn
torch.nn Parameters (参数) Containers (容器) Module Sequential ModuleList ParameterList Convolution Layers (卷积层) Conv1d Conv2d Conv3d ConvTranspose1d ConvTranspose2d ConvTra... -
torch
torch Tensors (张量) Creation Ops (创建操作) Indexing, Slicing, Joining, Mutating Ops (索引, 切片, 连接, 换位) 操作 Random sampling (随机采样) In-place random sampling (直接随机采样) Serialization (序列化... -
更新日志
更新日志 V1.6.0 V1.5.1" level="1"> V1.5.1 V1.5.0" level="1"> V1.5.0 V1.4.5" level="1"> V1.4.5 V1.4.4" level="1"> V1.4.4 V1.4.3" level="1"> V1.4.3 V1.4.2" level="1"> V1.4.2 V1.... -
四、数据结构：对象和数组
四、数据结构：对象和数组 松鼠人 数据集 属性 方法 对象 可变性 松鼠人的记录 计算关联性 数组循环 分析结果 数组详解 字符串及其属性 剩余参数 Math对象 解构 JSON 本章小结 习题 范围的和 逆转数组 实现列表 深层比较 四、数据结构：对象和数组 原文：Data Structures: Obj... -
torch.nn
torch.nn Parameters class torch.nn.Parameter() Containers(容器）： class torch.nn.Module add_module(name, module) children() cpu(device_id=None) cuda(device_id=None) double() ev... -
torch.nn到底是什么？
torch.nn 到底是什么？ MNIST 数据集 从零开始的神经网络（没有torch.nn ） 使用torch.nn.functional 使用nn.Module 重构 使用nn.Linear 重构 使用optim 重构 使用Dataset 重构 使用DataLoader 重构 添加验证 创建fit() 和get_data() 切换... -
torch
torch 张量 Tensors 创建操作 Creation Ops 索引,切片,连接,换位Indexing, Slicing, Joining, Mutating Ops torch.cat torch.gather torch.index_select torch.masked_select torch.nonzero torch.spl... -
torch.nn
torch.nn class torch.nn.Parameter() class torch.nn.Module add_module(name, module) apply(fn) children() cpu(device_id=None) cuda(device_id=None) double() eval() float() fo... -
Arrays
first / last flatten zip / unzip object range 练习 underscore为Array 提供了许多工具类方法，可以更方便快捷地操作Array 。 first / last 顾名思义，这两个函数分别取第一个和最后一个元素： let arr = [ 2 , 4 , 6 , 8 ]... -
10.1 枚举法
10.1 枚举法 10.1 枚举法 问题求解中常用的一种算法设计方法是枚举策略。给定问题 P，如果知道 P 的可能解构 成一个有限集合 S = {s1, s2, …, sn}，则可以逐一列举每个 si，检验它是否确实是 P 的解，这 就是枚举法。枚举法简单而直接，算法容易设计实现，但当可能解集合 S 很大时，枚举策 略的效率很差。实际使用枚举法时，经常...
