-
自动求导: 自动微分
自动求导: 自动微分 Variable(变量） 梯度 自动求导: 自动微分 译者：@小王子 校对者：@李子文 PyTorch 中所有神经网络的核心是 autograd 自动求导包. 我们先来简单介绍一下, 然后我们会去训练我们的第一个神经网络. autograd 自动求导包针对张量上的所有操作都提供了自动微分操作. 这是一个逐个... -
4.2.4 小结：函数的定义与调用
4.2.4 小结：函数的定义与调用 4.2.4 小结：函数的定义与调用 通过前面的例子，读者应该已经非常熟悉 Python 中函数定义的语法。在此总结如下： def <函数名>(<形式参数>): <函数体> 其中函数名是标识符，命名必须符合 Python 标识符的规定；形式参数是用逗号分隔的变量名序列（可以为空）。函数体... -
9.8 异常匹配
9.8 异常匹配 9.8.1 异常准则 9.8 异常匹配 “抛”出一个异常后，异常控制系统会按当初编写的顺序搜索“最接近”的控制器。一旦找到相符的控制器，就认为异常已得到控制，不再进行更多的搜索工作。 在异常和它的控制器之间，并不需要非常精确的匹配。一个派生类对象可与基类的一个控制器相配，如下例所示： //: Human.java // Ca... -
torch.Tensor
torch.Tensor abs() → Tensor abs_() → Tensor acos() → Tensor acos_() → Tensor add(value) add(_value) addbmm(beta=1, mat, alpha=1, batch1, batch2) → Tensor addbmm(_beta=1, mat... -
Bucket aggregations 桶分聚合
Bucket aggregations 桶分聚合 Global Aggregation 全局聚合 准备聚合请求 使用聚合请求 Filter Aggregation 过滤聚合 准备聚合请求 使用聚合请求 Filters Aggregation 多过滤聚合 准备聚合请求 使用聚合请求 Missing Aggregation 基于字段数据的单桶聚... -
Chapter 2: Annotations - @ActiveProfiles
Chapter 2: Annotations - @ActiveProfiles 例子1：不使用ActiveProfiles 例子2：使用ActiveProfiles 总结 参考文档 Chapter 2: Annotations - @ActiveProfiles @ActiveProfiles 可以用来在测试的时候启用某些Profile... -
13.11 列表框
13.11 列表框 13.11.1 handleEvent() 13.11 列表框 列表框与选择框有完全的不同，而不仅仅是当我们在激活选择框时的显示不同，列表框固定在屏幕的指定位置不会改变。另外，一个列表框允许多个选择：如果我们单击在超过一个的项目上，未选择的则表现为高亮度，我们可以选择象我们想要的一样的多。如果我们想察看项目列表，我们可以调用get... -
torch.cuda
torch.cuda 交流集 流和事件 NVIDIA 工具扩展（NVTX） 译者署名 torch.cuda 交流集 流和事件 NVIDIA 工具扩展（NVTX） 该包增加了对 CUDA 张量类型的支持，实现了与 CPU 张量相同的功能，但使用 GPU 进行计算。 它是延迟的初始化，所以你可以随时导入它，并使用is_availabl... -
2 Tkinter 画布方法
2 Tkinter 画布方法 2 Tkinter 画布方法 本节罗列 Canvas 对象的方法，供需要的读者编程时参考。具体用法请查阅参考资料。 创建图形项的方法 create_arc(<限定框>, <选项>)：创建弧形，返回标识号 create_bitmap(<位置>, <选项>)：创建位图，返回标识号 create_image(<位置>, <... -
查找和替换
查找和替换 在Atom中，对你文件或者项目中的文本进行查找或者替换，非常快速而且容易。 cmd-F 在缓冲区中查找 cmd-shift-f 在整个项目中查找 如果你执行了这些命令，你屏幕的底部会出现一个“Find and Replace”面板。 你可以按下cmd-F ，输入需要搜索的字符串，并且多次按下回车（或者cmd-...
