线性代数（深度学习）
标量标量由只有一个元素的张量表示 12345678import torchx = torch.tensor(3.0)y = torch.tensor(2.0)x + y, x * y, x / y, x**y// (tensor(5.), tensor(6.), tensor(1.5000), tensor(9.)) 向量向量可以被视为标量值组成的列表，这些标量值被称为向量的元素（element）或分量（component） 1234x = torch.arange(4)x// tensor([0, 1, 2, 3]) 访问通过张量的索引来访问任一元素 12x[3]// tensot(3) 长度、维度和形状向量的长度通常称为向量的维度（dimension） 访问张量长度： 12len(x)// 4 **形状（shape）**是一个元素组，列出了张量沿每个轴的长度（维数） 用张量表示一个向量（只有一个轴）时，形状只有一个元素 访问： 12x.shape// torch.Size([4]) 矩阵 创建矩阵 12345678A =...
初识JavaScript
一个合格的后端开发者，必须要精通JavaScript 学会查W3School参考书 导入外部导入：<head> 或 <body 中导入 1<script src="myScript.js"></script> 内部导入： 任意位置引入（一般在 <body> 底部） 123456<body> ... <script> alert("hello"); </script></body> 浏览器开发者工具推荐一篇博客：F12 - 开发者工具详解 按 F12 或者右键点击检查（审查元素/开发者模式） 元素（Elements）： 查看网页页面的所有元素，修改元素的代码与属性。用于查看修改元素的属性、CSS...
数据操作（深度学习）
为了能够完成各种数据操作，我们需要某种方法来存储和操作数据。 通常，我们需要做两件重要的事： （1）获取、存储数据； （2）将数据读入计算机后对其进行处理 张量n维数组，也叫张量（tensor）。与Numpy的ndarray类似，但深度学习框架又比Numpy的ndarray多一些重要功能： GPU支持加速计算，而NumPy仅支持CPU计算 张量类支持自动微分 创建张量用 arange 创建一个行向量 x：包含以0开始的前12个整数，它们默认创建为整数。也可指定创建类型为浮点数。 1x = torch.arange(12) 访问张量形状1x.shape 张量中元素总数1x.numel() 改变张量形状1X = x.reshape(3, 4) 可以以通过-1来调用此自动计算出维度的功能： x.reshape(-1, 4)或x.reshape(3, -1)来取代上面的代码 初始化张量使用全0、全1、其他常量，或者从特定分布中随机采样的数字 全0 1torch.zeros((2, 3, 4)) 全1 1torch.ones((2, 3,...
数据预处理（深度学习）
读取数据集创建数据集 创建一个人工数据集，并存储在CSV（逗号分隔值）文件../data/house_tiny.csv中 .. 表示当前文件所在目录的上一级目录 （因为我现在打开的jupyter notebook在../chapter_prelliminaries目录下，所以他会在../data目录创建一个data数据集） 12345678910import osos.makedirs(os.path.join('..', 'data'), exist_ok=True)data_file = os.path.join('..', 'data', 'house_tiny.csv')with open(data_file, 'w') as f: f.write('NumRooms,Alley,Price\n') # 列名 f.write('NA,Pave,127500\n') # 每行表示一个数据样本 ...
jupyter notebook
简介Jupyter Notebook 是一个交互式计算环境，使用户能够编写笔记本文档，其中包括：- 实时代码 - 交互式小组件 - 绘图 - 叙述性文本 - 方程式 - 图像 - 视频 官方文档：官方文档 特点 编程时具有**「语法高亮」**、缩进、tab补全的功能 可直接通过浏览器运行代码，同时在代码块下方展示运行结果 以富媒体格式展示计算结果（HTML、MarkDown、LaTex、PNG，SVG） 启动1jupyter notebook 默认情况下， http://127.0.0.1:8888 之后在Jupyter Notebook的所有操作，都请保持终端**「不要关闭」**,否则会断开与本地服务器的连接。 用户界面Dashboard： notebook名称（Notebook name）：单击可重命名 菜单栏（Menu bar） 工具栏（Toolbar） 代码框（Code...
Linux配置深度学习环境
要了我老命，几乎半天时间都消耗在这了呜呜 推荐教程： 在移动硬盘上搭建Ubuntu24.04深度学，习环境（Anaconda + CUDA + Pytorch） ChatGPT（绝境下的神中神，我差点淘宝付费找人远程了） 我的配置 天选5pro，Windows11系统，双系统安装了Ubuntu24.04 LTS 独立显卡：NVIDIA GeForce RTX 4060 Max-Q / Mobile Ubuntu安装之前的Blog发布过，就不写啦，可以到我之前的Blog看看 Miniconda安装同上哈哈哈 显卡驱动安装开始前的开始重启进入bios，关闭secure boot： 把密钥全部删除，关闭安全启动（天选5pro） 由于我是双系统，这步一定要做！！！网上的博客教程都不会写是因为他们的计算机就是linux，我失败了无数次才发现最开始有个巨坑 安装准备安装所需依赖：sudo apt-get update sudo apt-get install g++ gcc make 禁用nouveau： 打开文件夹： sudo gedit...
conda环境
conda 中的环境是独立的隔离空间，您可以在其中安装特定版本的软件包，包括依赖项、库和 Python 版本。这种隔离有助于避免包版本之间的冲突，并确保您的项目具有所需的确切库和工具。 入门文档：入门文档 更多细节：更多细节 为什么要创建新环境 依赖项隔离 可重现性 易于管理 测试、开发 为什么我们不应该在基本环境中工作base环境首次安装和使用 conda 时，您可能会看到对称为 base 或 “base environment” 的引用。此环境是安装 conda 本身的位置，只能用于安装 anaconda、conda 和与 conda 相关的软件包，例如 anaconda-client 或 conda-build。 新环境但是，对于您的项目，Anaconda 强烈建议创建新的工作环境。这可以保护您的基本环境不会因复杂的依赖关系冲突而中断，并允许您在其他计算机上轻松管理和重现您的环境。 使用环境创建环境打开终端，以下命令创建一个新环境并下载指定的包及其依赖项： 1conda create --name <ENV_NAME>...
安装Miniconda
前置条件： Linux x86系统：ubuntu24.04 所以以下安装过程均是用Linux terminal代码 下载最新版本的Minicondactrl + alt + T打开Terminal终端，输入以下代码： 1wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh 你也可以下载其他版本的Miniconda：下载其他版本 下载完后应该有一个名字为Miniconda3-latest-Linux-x86_64.sh的文件在你的主文件夹里（我是/home/zerd1y） （可选）验证安装程序的完整性生成SHA-256哈希值把终端导航到下载文件的目录，运行以下命令： 1sha256sum <FILE_NAME> 例如： 1sha256sum Miniconda3-latest-Linux-x86_64.sh 然后会生成SHA-256哈希值 比较哈希值 查找安装程序的官方 SHA-256...
初识CSS
简介CSS（Cascading Style Sheets，层叠样式表） 描述了 HTML 元素在屏幕、纸张或其他媒体上的显示方式 vscode：安装live Server插件 语法1234p { color: red; text-align: center;} 导入存在多个样式，就近原则（覆盖原则） 外部创建 .css 文件 123456789101112<!DOCTYPE html><html><head><link rel="stylesheet" href="mystyle.css"></head><body><h1>This is a heading</h1><p>This is a paragraph.</p></body></html> 内部<head> 内创建...
