-
4.3.2 第二层设计
4.3.2 第二层设计 4.3.2 第二层设计 接下来需要对第二层上的每个模块进行精化。 首先看 getYear 函数。这个函数的功能只是输入年份数据，可以直接用 Python 的基本 语句实现，无需分解为新的功能模块。具体代码如下： def getYear (): print "This program prints the ... -
简单线性回归模型
简单线性回归模型 第一步：数据预处理 第二步：训练集使用简单线性回归模型来训练 第三步：预测结果 第四步：可视化 训练集结果可视化 测试集结果可视化 简单线性回归模型 第一步：数据预处理 import pandas as pd import numpy as np import matplotlib ... -
7.2.3 对象方法的调用
7.2.3 对象方法的调用 7.2.3 对象方法的调用 一旦创建了对象，就可以通过向对象发消息来调用对象的方法。消息的格式如下： <对象>.<方法>(<实参>) 其含义是请求<对象>执行<方法>，方法定义中列出的形式参数由<实参>提供。 例如，接着前面的例子执行如下语句： >>> p1 . whatName () My nam... -
2.4.1 关系运算
2.4.1 关系运算 2.4.1 关系运算 最简单的布尔表达式是判断两个表达式的值的大小关系的，一般形式是： <表达式> <关系运算符> <表达式> 其中两个表达式可以是数值类型或字符串类型的表达式，而关系运算符包括<、<=、>、>=、==、!=（或<>）六种，分别表示小于、小于等于、大于、大于等于、等于和不等于。这些运算符中尤其要注意“... -
数据建模-数据集特征获取
数据建模-数据集特征获取 undefined数据建模-数据集特征获取 undefined一、过滤图像数据集 undefined二、按类别求图像（集）的均值、方差 数据建模-数据集特征获取 undefined数据建模-数据集特征获取 以下内容均按照作者的个人思路去编排，如果有更好的想法等，则以自己的优先 undefined一、过滤图像数... -
在生产中部署 PyTorch 模型
在生产中部署 PyTorch 模型 在生产中部署 PyTorch 模型 通过使用 Flask 的 REST API 在 Python 中部署 PyTorch TorchScript 简介 在 C++ 中加载 TorchScript 模型 将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选） -
02 代码错误修正与功能解读
02 代码错误修正与功能解读 02 代码错误修正与功能解读 ChatGPT可以修正代码中的错误，并解读代码的功能。这对于编程新手来说尤其有用。 Q：下面这段Python代码有什么问题吗？ A：这段代码中存在以下问题： ①导入错误：应该使用“from pathlib import Path”而不是“from pathlib import pat... -
序列化语义
序列化语义 最佳实践 保存模型的推荐方法 序列化语义 最佳实践 保存模型的推荐方法 这主要有两种方法序列化和恢复模型。 第一种(推荐）只保存和加载模型参数： torch . save ( the_model . state_dict (), PATH ) 然后： the_model = TheModelClass (* a... -
数据预处理
数据预处理 第1步：导入库 第2步：导入数据集 第3步：处理丢失数据 第4步：解析分类数据 创建虚拟变量 第5步：拆分数据集为训练集合和测试集合 第6步：特征量化 数据预处理 如图所示，通过6步完成数据预处理 此例用到的数据 ，代码 。 第1步：导入库 import numpy as np import pandas... -
03 代码评审与优化
03 代码评审与优化 03 代码评审与优化 ChatGPT可以评价代码的质量。即使代码没有语法错误，ChatGPT也能分析其中是否还有优化的空间。 Q：你觉得这段Python代码写得怎么样？ A：这段代码的编写是正确的，也是简单易懂的。它创建了一个空列表a，然后使用for循环在其中添加了10个整数。但是，如果你想让代码更简洁、更Pythonic...
