层和块

之前⾸次介绍神经⽹络时，我们关注的是具有单⼀输出的线性模型。在这⾥，整个模型只有⼀个输出。

注意，单个神经⽹络

1. 接受⼀些输⼊；

2. ⽣成相应的标量输出；

3. 具有⼀组相关 参数（parameters），更新这些参数可以优化某⽬标函数

   阅读全文 »

多层感知机的从零开始实现

1
2
3

import torch
from torch import nn
from d2l import torch as d2l

1
2

batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)

线性回归的从零开始

1
2
3
4

%matplotlib inline
import random
import torch
from d2l import torch as d2l

生成数据集

为了简单起⻅，我们将根据带有噪声 $\epsilon$ 的线性模型构造⼀个⼈造数据集。我们的任务是使⽤这个有限样本的数据集来恢复这个模型的参数。我们将使⽤低维数据，这样可以很容易地将其可视化。

• 行内公式

  1

  $xxxxx$

• 行间公式

  1 2 3

  $$ xxxxxxx $$

  阅读全文 »

类型系统

Python运行时并不强制标注函数和变量类型。类型标注可被用于第三方工具，比如类型检查器、集成开发环境、静态检查器等。

最基本的支持由Any，Union，Tuple，Callable，TypeVar和Generic类型组成。

函数接受并返回一个字符串，注释像下面这样：

1
2

def greeting(name: str) -> str:
    return 'Hello ' + name

静态URL，第一个Web界面

新建脚本文件01_hello.py

编写Python脚本

文件名：fl_206.py

Python 打包exe应用程序教程

创建环境

创建虚拟环境

conda创建虚拟环境

1

conda create -n env_name python=3.8 

MongoDB非关系型数据库的使用

前言

传统的关系型数据库（如MySQL），在数据操作的“三高”需求以及应对Web2.0的网站需求面前，显得力不从心。
解释：“三高”需求：

• High performance - 对数据库高并发读写的需求。

• Huge Storage- 对海量数据的高效率存储和访问的需求。

• High Scalability && High Availability- 对数据库的高可扩展性和高可用性的需求。

HTML基本命令：