个人中心
gpt4 book ai didi

Python学习（一）——配套《PyTorch深度学习实战》

转载 作者：撒哈拉 更新时间：2025-01-04 16:38:57 57 4
gpt4 key购买 nike

记录一下Python学习过程中的一些问题：

1. 在JupyterLab中查询当前文件的地址

import os
print(os.getcwd())
#查询该文件的地址

2. 新建cell

在 JupyterLab 中新建一个单元格（cell）的方法有多种，以下是一些常用的方法:

  1. 使用快捷键：
    • B：在当前单元格下方新建一个单元格。
    • A：在当前单元格上方新建一个单元格。

实测有效，虽然看起来挺神奇的，确实方便 。

  1. 使用工具栏按钮:

    • 在工具栏上，你可以找到用于添加单元格的按钮。通常，这些按钮位于工具栏的中间部分，看起来像是一个带有加号的单元格图标。

  2. 使用右键菜单:

    • 在工作区的空白处或者在已有单元格的边缘右键点击，然后选择“Insert Cell Above”或“Insert Cell Below”来在相应位置插入新单元格。

  3. 使用命令面板:

    • 点击工具栏上的 "Commands" 图标（或者使用快捷键 Ctrl+Shift+P），在命令面板中搜索 "Insert Cell Below" 或 "Insert Cell Above" 并选择它。

  4. 拖拽单元格:

    • 你可以将一个单元格拖拽到工作区的空白处，然后释放鼠标，这将在该位置创建一个新的单元格。

  5. 使用菜单:

    • 在 JupyterLab 的菜单栏中，点击 "Insert"，然后选择 "Insert Cell Below" 或 "Insert Cell Above"。

  6. 使用侧边栏:

    • 在 JupyterLab 的侧边栏中，点击 "+" 图标，然后选择 "Code" 或 "Markdown" 来创建一个新的单元格。

  7. 使用拖拽文件:

    • 你也可以将一个 .py 或 .ipynb 文件拖拽到 JupyterLab 的工作区中，这将创建一个新的单元格或打开一个新笔记本。

选择适合你的方法来新建单元格，然后你就可以在新单元格中输入代码或 Markdown 文本了.

3. 集合、列表、元祖的区别

在 Python 中，集合（set）、列表（list）和元组（tuple）是三种不同的数据结构，它们各自有不同的特性和用途:

  1. 列表（List）:

    • 列表是可变的，这意味着你可以在创建后修改它们（添加、删除或更改元素）。
    • 列表可以包含重复的元素。
    • 列表是有序的，即它们保持元素插入的顺序。
    • 列表可以包含不同类型的元素。
    • 列表支持索引和切片操作。
    • 列表的典型用法包括创建一个有序的元素集合，或者当你需要修改集合中的元素时。

  2. 元组（Tuple）:

    • 元组是不可变的，一旦创建就不能修改（不能添加、删除或更改元素）。
    • 元组可以包含重复的元素。
    • 元组也是有序的，并且支持索引和切片操作。
    • 元组可以包含不同类型的元素。
    • 元组通常用于存储不应该改变的数据。
    • 元组是创建不可变集合的推荐方式，它们还可以用作字典的键（因为字典的键必须是不可变的）。

  3. 集合（Set）:

    • 集合是无序的，这意味着集合中的元素没有固定的顺序，并且可能会在每次迭代时改变。
    • 集合是可变的，你可以添加或删除元素。
    • 集合不能包含重复的元素，每个元素都是唯一的。
    • 集合不支持索引操作，因为它们是无序的。
    • 集合的典型用法包括消除重复元素、进行集合运算（如并集、交集、差集）。
    • 集合是不可哈希的，因此不能用作字典的键。

以下是一些示例:

# 列表
my_list = [1, 2, 3, 4, 5]
my_list.append(6)  # 添加元素
my_list[1] = 20    # 修改元素

# 元组
my_tuple = (1, 2, 3, 4, 5)
# my_tuple[1] = 20  # 这会引发 TypeError，因为元组是不可变的

# 集合
my_set = {1, 2, 3, 4, 5}
my_set.add(6)  # 添加元素
# my_set[1]  # 这会引发 TypeError，因为集合不支持索引

选择使用哪种数据结构取决于你的具体需求，比如是否需要有序性、是否允许重复元素、是否需要修改集合等.

4. 张量的二维表达是矩阵

张量（Tensor）和矩阵（Matrix）是线性代数中的两个概念，它们有一定的联系，但在维度和应用上有所不同.

  1. 矩阵:

    • 矩阵是一个二维数组，由行和列组成，可以看作是特殊的张量。
    • 矩阵中的元素通常用两个索引来访问，如 ( a_{ij} )，其中 ( i ) 表示行索引，( j ) 表示列索引。
    • 矩阵在数学、物理学和工程学中有广泛的应用，特别是在线性变换、系统方程和图形变换等领域。

  2. 张量:

    • 张量是多维数组的推广，可以有任意数量的维度。例如，0维张量是一个标量，1维张量是一个向量，2维张量是一个矩阵。
    • 张量中的元素可以用多个索引来访问，如 ( a_{ijk} )，其中 ( i )、( j ) 和 ( k ) 分别表示不同维度的索引。
    • 张量在物理学中用于描述具有多个分量的物理量，如应力、应变等。在深度学习中，张量用于表示数据和权重，可以是多维的，以适应不同的网络结构和计算需求。

在深度学习和计算机科学中，张量的概念被广泛使用，尤其是在以下领域:

  • 神经网络：张量用于表示网络的输入、输出和权重。
  • 图像处理：图像可以表示为三维张量（高度、宽度、颜色通道）。
  • 自然语言处理：文本数据可以表示为张量，用于模型的输入和处理。

在 PyTorch 和 TensorFlow 等深度学习框架中，张量是核心数据结构，它们提供了对多维数组的高效操作，并且可以利用 GPU 加速计算。这些框架中的张量操作通常包括基本的数学运算、矩阵乘法、卷积、池化等.

最后此篇关于Python学习（一）——配套《PyTorch深度学习实战》的文章就讲到这里了,如果你想了解更多关于Python学习（一）——配套《PyTorch深度学习实战》的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。

57 4 0
文章推荐： Rust远程加载shellcode
文章推荐： PaperAssistant：使用Microsoft.Extensions.AI实现
文章推荐： Verilog5_有限状态机
文章推荐： 特殊数据类型的深度分析：JSON、数组和HSTORE的实用价值
撒哈拉
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
全站热门文章
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com