在神經(jīng)網(wǎng)絡(luò)的推理過程中，我們默認(rèn)是將pytorch的tensor的精度指定為單精度的float32，但是在有些時(shí)候不管是float16還是float32，在訓(xùn)練模型的時(shí)候都會(huì)導(dǎo)致精度丟失，從而引發(fā)訓(xùn)練效果的損失。那么pytorch怎么使用float64訓(xùn)練呢？接下來這篇文章告訴你。

很多小伙伴或多或少都曾經(jīng)聽過這樣的一些言論：python運(yùn)算速度特別慢，java在運(yùn)算數(shù)度上碾壓python等。這令部分小伙伴覺得python既然運(yùn)算速度這么慢，那效率也低，不學(xué)也罷。實(shí)際上從一開始的言論就錯(cuò)了，python的運(yùn)算速度其實(shí)還是很不錯(cuò)的，只不過很多用戶不會(huì)優(yōu)化罷了，那么python如何提高運(yùn)算速度呢？看完這篇文章你會(huì)得到答案。

在神經(jīng)網(wǎng)絡(luò)的推理過程中，如果全都默認(rèn)使用相同的一個(gè)比較高的數(shù)據(jù)精度的話，對(duì)于計(jì)算機(jī)硬件的顯存具有一定的要求，運(yùn)算量也會(huì)增大，對(duì)應(yīng)的運(yùn)算時(shí)間就會(huì)降低，宏觀的講就是運(yùn)算速度變慢了。但實(shí)際上，針對(duì)不同的層我們可以采用不同的數(shù)據(jù)精度進(jìn)行計(jì)算以達(dá)到節(jié)省內(nèi)存和加快速度的目的。這種方法叫做自動(dòng)混合精度（amp），那么pytorch怎么使用amp呢？接下來我們就來介紹一下pytorch怎么進(jìn)行混合精度訓(xùn)練吧。

很多小伙伴在學(xué)習(xí)自動(dòng)化辦公的時(shí)候有時(shí)候會(huì)需要獲取特定行列的需求，這時(shí)候我們可以使用pandas進(jìn)行操作。接下來這篇文章小編將介紹pandas如何讀取dataframe特定行列，希望能對(duì)剛學(xué)習(xí)pandas的小伙伴們有所啟發(fā)。

在pandas的日常使用中，經(jīng)常對(duì)數(shù)據(jù)進(jìn)行處理會(huì)導(dǎo)致數(shù)據(jù)索引順序錯(cuò)亂，從而影響數(shù)據(jù)讀取、插入等。今天小編就帶來了幾種pandas如何重置dataframe索引的方法，喜歡能對(duì)小伙伴們有所幫助。

因?yàn)閜ython中日期是個(gè)對(duì)象，所以很多小伙伴在使用日期的時(shí)候往往會(huì)遇到以下的情況：在數(shù)據(jù)庫(kù)或者文本中或者輸入流中獲取的日期數(shù)據(jù)是字符串，與我們要使用的日期對(duì)象完全不一樣，這時(shí)候我們就需要將python字符串轉(zhuǎn)換成日期對(duì)象了，那么python如何將字符串轉(zhuǎn)換成日期對(duì)象呢？接下來這篇文章告訴你！

在學(xué)習(xí)自動(dòng)化辦公的時(shí)候，我們可能會(huì)涉及到一些數(shù)據(jù)的操作，比如說將某個(gè)表格區(qū)域的數(shù)據(jù)進(jìn)行上下左右的移動(dòng)，但我們只是空有這樣的想法卻不知道怎么實(shí)現(xiàn)。實(shí)際上我們?cè)趯W(xué)習(xí)自動(dòng)化辦公的時(shí)候會(huì)學(xué)習(xí)到一個(gè)python庫(kù)叫做pandas，pandas可以進(jìn)行數(shù)據(jù)的移動(dòng)操作。那么pandas如何操作數(shù)據(jù)呢？且聽小編娓娓道來。

對(duì)于機(jī)器學(xué)習(xí)而言，張量（tensor）是其實(shí)現(xiàn)的一個(gè)基礎(chǔ)。所以著名的機(jī)器學(xué)習(xí)庫(kù)TensorFlow便從中進(jìn)行取名。作為一個(gè)機(jī)器學(xué)習(xí)實(shí)現(xiàn)的基礎(chǔ)，tensor的實(shí)現(xiàn)和應(yīng)用對(duì)機(jī)器學(xué)習(xí)的重要性不言而喻。在pytorch中實(shí)現(xiàn)了Tensor的功能，現(xiàn)在小編就對(duì)Tensor常用操作有哪些進(jìn)行一個(gè)簡(jiǎn)單的歸納，希望能讓小伙伴在學(xué)習(xí)中有所感悟。

對(duì)于web應(yīng)用開發(fā)而言，有一項(xiàng)功能是相當(dāng)常見的，那就是分頁，而這項(xiàng)功能最關(guān)鍵的作用，就是實(shí)現(xiàn)將數(shù)據(jù)分成一頁一頁的效果，這樣每次就能閱讀有限數(shù)量的數(shù)據(jù)，既降低了服務(wù)器壓力又提高了閱讀效率，而分頁功能的實(shí)現(xiàn)必須實(shí)現(xiàn)兩個(gè)小功能，分別是數(shù)據(jù)分頁和翻頁功能，接下來小編就以Django為例介紹一下Django如何實(shí)線分頁，以及Django如何實(shí)現(xiàn)翻頁功能吧。

很多小伙伴在使用pytorch進(jìn)行機(jī)器學(xué)習(xí)的時(shí)候可能會(huì)遇到cuda()加載很慢的問題，小編也遇到過這樣令人心塞的問題。在解決了相應(yīng)問題后小編將解決方法進(jìn)行了一個(gè)總結(jié)，希望能幫助到各位小伙伴。