Markdown 基础使用说明
这篇文章整理 Markdown 最常用的基础语法，适合拿来当一份速查表。 资源地址[置顶]链接：点击前往某度网盘下载视频教学：B站UID:508828019提示：这里只是基础部分，不包含数学公式，具体公式后面会补充 基础语法1，换行两种，一种是大换行，用于小标题的换行，直接 Enter即可；另一种用于一句话的换行，使用Shift+Enter 2，分割线建议使用三个-符号＋Enter 3,文本内容 (1)粗体 两种，可以使用两端加**，或者快捷键Ctrl+B (2)删除线 虽然有快捷键Shift+Alt+5，但是一般仍建议使用两端加~~ (3)下划线 快捷键Ctrl+U,但我习惯html中的l两端加‘<a>’标签，U可以理解位Underline (4)斜体 快捷键Ctrl+L,也可以使用两端加单个* (5)高亮 没有快捷键,两端加==即可 ==示例文字= **值得注意的是**：所有的标签都会遵循html的配对原则，...
如何用 Hexo 打造一个科研博客
对于计算机研究生来说，一个技术博客非常有价值。 它可以： 记录科研笔记 总结算法学习 展示项目成果 推荐分类AI算法科研项目随笔 推荐写作内容例如： 论文阅读笔记 项目开发记录 Leetcode 刷题总结 实习经验 插入代码12def hello(): print("科研博客") 插入公式Hexo 支持 LaTeX： E = mc^2 总结持续写博客可以帮助： 梳理知识 提升表达能力 积累个人影响力
Hexo 博客主题美化与配置指南
Hexo 的主题系统非常灵活，可以快速改变博客外观。 安装主题例如安装 NexT： 1git clone https://github.com/next-theme/hexo-theme-next themes/next 修改 _config.yml： 1theme: next 修改菜单在主题配置文件中修改： 12345menu: home: / archives: /archives categories: /categories tags: /tags 修改头像将头像放入： 1source/images/avatar.png 配置： 1avatar: /images/avatar.png 自定义样式可以修改： 1themes/next/source/css 来自定义颜色与字体。
PyTorch 实战：使用 GPU 训练与测试 CIFAR10
这篇文章主要记录 PyTorch 实战：使用 GPU 训练与测试 CIFAR10 的学习过程，方便后续快速回顾核心概念、代码写法与实验细节。 核心代码123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153# 第一种方法调用GPU训练模型# 需要对三个地方调用cuda()# 分别是，网络模型，数据，损失函数# 第二种是先定义设备，后在相关的模...
PyTorch 实战：使用 CPU 训练与测试 CIFAR10
这篇文章主要记录 PyTorch 实战：使用 CPU 训练与测试 CIFAR10 的学习过程，方便后续快速回顾核心概念、代码写法与实验细节。 核心代码123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132# 第一次完整的训练过程import torchvisionimport torchimport torch.nnfrom torch import nnfrom torch.nn import Sequential, Conv2d, MaxPool2d, Fla...
深度学习——nn.Sequential 的使用
这篇文章主要记录 深度学习——nn.Sequential 的使用 的学习过程，方便后续快速回顾核心概念、代码写法与实验细节。 目标流程 12345678910111213141516171819202122232425262728293031323334353637383940import torchfrom torch import nnfrom torch.nn import Sequential, Conv2d, MaxPool2d, Flatten, Linearclass MyNN(nn.Module): def __init__(self): super(MyNN, self).__init__() # Sequential组织多个卷积等操作，相当于transforms中的compose self.module1 = Sequential( Conv2d(3, 32, 5, padding=2), MaxPool2d(2), Conv2d(32, 32...
深度学习——nn.ReLU 和 nn.Sigmoid 的使用
这篇文章主要记录 深度学习——nn.ReLU 和 nn.Sigmoid 的使用 的学习过程，方便后续快速回顾核心概念、代码写法与实验细节。 核心代码1234567891011121314151617181920212223242526272829303132333435363738394041424344454647import torchimport torchvisionfrom torch import nnfrom torch.nn import MaxPool2d, Sigmoid, ReLUfrom torch.utils.data import DataLoaderfrom torch.utils.tensorboard import SummaryWriter# 引入非线性函数的作用# 真实世界有些原始数据本身就是线性不可分的，必须要对原始空间进行一定的非线性操作# 对于回归问题也可以同样运用高数的思维，把回归看成分类问题的无限细分，当极限存在时，分类也就成为了回归问题。# 定义神经网络操作class MySigmoid(nn.Module): def ...
深度学习——nn.MaxPool2d 的使用
这篇文章主要记录 深度学习——nn.MaxPool2d 的使用 的学习过程，方便后续快速回顾核心概念、代码写法与实验细节。 核心代码123456789101112131415161718192021222324252627282930313233343536373839404142434445import torchimport torchvisionfrom torch import nnfrom torch.nn import MaxPool2dfrom torch.utils.data import DataLoaderfrom torch.utils.tensorboard import SummaryWriter# 池化的作用是为了：降维、去除冗余信息、对特征进行压缩、简化网络复杂度、减小计算量、减小内存消耗# 定义神经网络操作class Mypool(nn.Module): def __init__(self): super(Mypool, self).__init__() # 池化操作 # self.maxpool...