参考：https://blog.csdn.net/qq_15969343/article/details/123713082 https://blog.csdn.net/qq_40430888/article/details/119973104     1、最直接的方法： 通过克隆一个新环境，并删除旧环境达到更名的目的 cond…

参考：安装conda搭建python环境（保姆级教程）_conda创建python虚拟环境-CSDN博客  

下面是一段简单的神经网络的代码，super()函数的定义以前一直不太懂 class NetC(torch.nn.Module):     # 定义神经网络     def __init__(self, n_feature, n_hidden, n_output):         """         初始化神经网络         参数:   …

1、K-means算法的基本思想 K-means算法是一种迭代求解的聚类分析算法，其核心思想是将数据集中的n个对象划分为K个聚类，使得每个对象到其所属聚类的中心（或称为均值点、质心）的距离之和最小。这里所说的距离通常指的是欧氏距离，但也可以是其他类型的距离度量。 K-means算法通过迭代的方式不断优化聚类结果，使得每个聚类内的对象尽可能紧密，而不…

number1 = int(input("请输入第一个数：")) number2 = int(input("请输入第二个数：")) # 方法一：字符串拼接，注意数字需要str()转化为字符串再拼接 print(str(number1) + " + " + str(number2) + " = " + str(number1 + number2)) …

当我们深入探索深度学习的奇妙世界时，PyTorch作为一个强大且易用的框架，提供了丰富的功能来帮助我们高效地进行模型训练和数据处理。其中，DataLoader是PyTorch中一个非常核心且🔧实用的组件，它负责在模型训练过程中加载和处理数据。 通过灵活配置DataLoader的各种参数，我们可以优化数据加载速度，调整数据批次大小，甚至实现自定义的数…

引言： K-Means是一种经典的聚类算法，被广泛应用于数据挖掘、图像处理和机器学习等领域。它的原理简单但功能强大，能够将数据集划分成不同的簇，每个簇内的数据点相似度较高，而不同簇之间的数据点相似度较低。本文将介绍K-Means算法的基本概念和原理。 K-Means算法原理： K-Means算法的基本原理是：通过迭代的方式，将数据点划分到最接近的类…

本文将使用open, pandas, numpy三种方式对txt文档进行读，写，追加 [alert]在此不推荐使用此方式操作➡ f = open(’test.txt’, ‘w’)，因为该方法结束时候需要使用f.close()，如果忘记写close，则可能出现数据丢失的情况[/alert] 1. with open()方式 读： with open(…

一、GPU基本信息 1. 查看cuda是否可用： torch.cuda.is_available() >>> import torch >>> torch.cuda.is_available() True 2. 查看gpu数量： torch.cuda.device_count() >> torch.c…

[github author="ttanida" project="rgrg" /]