-
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... -
torchvision.models
torchvision.models torchvision.models.alexnet(pretrained=False, ** kwargs) torchvision.models.resnet18(pretrained=False, ** kwargs) torchvision.models.resnet34(pretrained=False, ... -
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 ... -
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 ... -
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... -
简单线性回归模型
简单线性回归模型 第1步: 数据预处理 导入库 导入数据集 将类别数据数字化 躲避虚拟变量陷阱 拆分数据集为训练集和测试集 第2步： 在训练集上训练多元线性回归模型 Step 3: 在测试集上预测结果 简单线性回归模型 第1步: 数据预处理 导入库 import pandas as pd import nu... -
对日志文件的IP出现的次数进行统计，并显示次数最多的前5名
对日志文件的IP出现的次数进行统计，并显示次数最多的前5名 Nginx日志格式如下所示： 日志内容示例如下： awk处理如下： 对日志文件的IP出现的次数进行统计，并显示次数最多的前5名 Nginx日志格式如下所示： log_format main '$remote_addr - $remote_user [$time_local... -
torch.utils.data
torch.utils.data torch.utils.data class torch . utils . data . Dataset 表示Dataset的抽象类。 所有其他数据集都应该进行子类化。所有子类应该override__len__ 和__getitem__ ，前者提供了数据集的大小，后者支持整数索引，范围从0到len(sel... -
2.1 数据和数据类型
2.1 数据和数据类型 2.1 数据和数据类型 2.1.1 数据是对现实的抽象 2.1.1 常量与变量 2.1.2 数据类型 2.1.3 Python 的动态类型*
