Objects
类的成员方法 类是由哪两部分组成呢 类的属性，称之为：成员变量 类的行为，称之为：成员方法注意：函数是写在类外的，定义在类内部，我们都称之为方法哦 类和成员方法的定义语法1234567c1ass 类名称: 成员变量 def 成员方法(se1f,参数列表): 成员方法体对象 = 类名称() self的作用 表示类对象本身的意思 只有通过self,成员方法才能访问类的成员变量 self出现在形参列表中，但是不占用参数位置，无需理会 构造方法&魔术方法 构造方法的名称是：__init__注意init前后的2个下划线符号...
Tips of Python
数据容器列表 常见方法 list.append(元素)：向列表中追加一个元素 list.extand(容器)：将数据容器的内容依次取出，追加到列表的尾部 list.insert(下标，元素)：在指定下标处，插入指定的元素 del列表[下标]：删除列表指定下标元素 列表.pop(下标)：删除列表指定下标元素 列表.remove(元素)：从前向后，删除此元素第一个匹配项 列表.clear()：清空列表 列表.count(元素)：统计此元素在列表中出现的次数 index(元素)：查找指定元素在列表的下标列表.找不到报错ValueError len(列表)：统计容器内有多少元素 特点 可以容纳多个元素(上限为2**63-1、9223372036854775807个) 可以容纳不同类型的元素（混装） 数据是有序存储的（有下标序号） 允许重复数据存在 可以修改（增加或删除元素等） 元组 操作方法 index()：查找某个数据，如果数据存在返回对应的下标，否则报错 count()：统计某个数据在当前元组出现的次数...
Pytorch Entry
详细内容教学视频请移步PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】 更简单易懂的请参考龙哥的Blogpytorch+CUDA 安装教程 Anaconda环境的创建和切换 打开 Win->Anaoconda3->Anaconda Prompt 命令行 conda create -n pytorch(名字) python=3.6 激活环境 conda activate pytorch(名字) Cuda环境的配置和安装 查看GPU型号 nvidia-smi 检验 python,import torch,torch.cuda.is_availiable() 返回 True Python学习的两大法宝 dir(pytorch.__):用来打开某一个包，展示出内部分区。 help(__):用来查看该分区内部某一工具的使用说明。
Deeplearning
DataSet 的相关内容 Dataset: PyTorch的数据集类 12345678910111213141516171819202122232425262728from torch.utils.data import Dataset # Dataset: PyTorch的数据集类from PIL import Image # PIL: Python的图像处理库，Pillow是PIL的一个分支import os # os: Python的标准库，提供了丰富的方法来处理文件和目录class MyData(Dataset): # 继承Dataset类 def __init__(self, root_dir, lable_dir): # 初始化函数 self.root_dir = root_dir # 数据集的根目录 self.lable_dir = lable_dir # 数据集的标签 self.path = os.path.join(self.root_dir, self.lable_dir) # 数据集的路径 ...
Transformer
Transformer模型详解前言Transformer由论文 《Attention is All You Need》 提出，现在是谷歌云TPU推荐的参考模型。论文相关的Tensorflow的代码可以从GitHub获取，其作为Tensor2Tensor包的一部分。哈佛的NLP团队也实现了一个基于PyTorch的版本，并注释该论文。在本文中，我们将试图把模型简化一点，并逐一介绍里面的核心概念，希望让普通读者也能轻易理解。 Transformer 整体结构首先介绍 Transformer 的整体结构，下图是 Transformer 用于中英文翻译的整体结构： 可以看到 Transformer 由 Encoder 和 Decoder 两个部分组成，Encoder 和 Decoder 都包含 6 个 block。Transformer 的工作流程大体如下：第一步获取输入句子的每一个单词的表示向量 X，X由单词的 Embedding（Embedding就是从原始数据提取出来的Feature） 和单词位置的 Embedding 相加得到。 第二步将得到的单词表示向量矩阵...
Hello World
Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub. Quick StartCreate a new post1$ hexo new "My New Post" More info: Writing Run server1$ hexo server More info: Server Generate static files1$ hexo generate More info: Generating Deploy to remote sites1$ hexo deploy More info: Deployment