WIn10+Anaconda环境下安装PyTorch(避坑指南)

卷积神经网络在医学图像分割的研究综述

【实例简介】(最新)强化学习导论：Reinforcement learning - An introduction        2020英文版  作者：Richard S. Sutton and Andrew G. Barto       强化学习权威之作

双曲嵌入作为一种捕获层次信息的方法被提出，可以将丰富的结构信息与现代机器学习分布式表达中所青睐的连续表示相融合。本实例将ICD编码嵌入双曲空间得到表征。下面是代码结构和结果分析： 1）数据预处理——数值向量化 将文本数据转换成数值向量，使用split函数将原本连接的文本数据分开,每个文本我们都会得到一个列表，构成词典。 2）主要程序代码 从上到下分别是建立整个网络模型的，构建网络参数的，和训练网络模型的。 3）参数的传入   训练的时候，这些参数的设置，batchsize是64，batchsize就是每轮训练的时候传入的是64个样本，dim 10表示维度是10，epoch 100表示训练了100轮，chechpoint-freq 是10 表示每过10个epoch保存一次模型。 4）训练过程 这个是训练过程中每一个epoch的loss值，MAP是评价指标

利用python爬虫技术爬取部分城市的旅游信息

LSTM入门学习，正弦波序列预测         for i, input_t in enumerate(input.chunk(input.size(1), dim=1)):             h_t, c_t = self.lstm1(input_t, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         for i in range(future):  # if we should predict the future             h_t, c_t = self.lstm1(output, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         outputs = torch.stack(outputs, 1).squeeze(2)  # shape after stack:[batch, n, 1], shape after squeeze: [batch,n]         return outputs

kaggle上对旧金山城市的犯罪案件进行分类，属于多分类问题，提供的数据特征包含时间、地点、描述等。本实例包含数据集和代码，机器学习方法是朴素贝叶斯和逻辑回归

小说,项目,阅读 环境说明jdk8mysql5.7redis4rabbitmq 3.8python 3.7mongodbIDE 选择idea java代码开发webstrom 前端开发pychram python开发谷歌浏览器 调试测试主要技术框架前端：vuevuexaxios后端：springboot2.2swagger2spring-securitymybatisrabbitmqredispython 爬虫:scarpyxpath

轴承故障诊断python代码

# 简介 #此项目为自学Python手记，每个支持点都有代码案例说明。如果你想系统的学习一下Python那么来看下面的文章就对了，深入浅出，带你进入Python的世界。# 开发环境 #- Windows 10- Python 3.6- Visual Studio Code（IDE）

xlwt包