在pytorch中，我們可以禁止計(jì)算局部梯度，也可以允許計(jì)算局部梯度，禁用或者允許得根據(jù)模型的具體情況而定，那么怎么進(jìn)行這兩種操作呢？接下來(lái)的這篇文章帶你了解。

一般我們把其他編程語(yǔ)言都有的（大家都有的）語(yǔ)法稱為基礎(chǔ)語(yǔ)法，而那些某個(gè)或者某類語(yǔ)言專有的語(yǔ)法則被稱為高級(jí)語(yǔ)法，比如java，python等面向?qū)ο蟮木幊陶Z(yǔ)言的對(duì)象操作。今天我們就來(lái)介紹python高級(jí)語(yǔ)法中的兩個(gè)知識(shí)點(diǎn)——閉包與裝飾器。有興趣的小伙伴趕緊接著往下看吧。

pytorch雖然是一個(gè)機(jī)器學(xué)習(xí)的庫(kù)，但他也擁有很多數(shù)學(xué)相關(guān)的計(jì)算方法，比如他也可以用來(lái)計(jì)算三角函數(shù)。那么怎么用他來(lái)計(jì)算三角函數(shù)呢？閱讀這篇文章，你會(huì)知道答案。

在python中，基本數(shù)據(jù)類型之間的轉(zhuǎn)換是有一定規(guī)則的，比如帶小數(shù)的浮點(diǎn)型字符串轉(zhuǎn)換為整數(shù)，就會(huì)出現(xiàn)一個(gè)錯(cuò)誤，那么python的基本數(shù)據(jù)類型之間的轉(zhuǎn)換的規(guī)則是怎樣的呢？今天小編就帶你來(lái)了解一下。

在python中，讀寫excel數(shù)據(jù)方法很多，比如xlrd、xlwt和openpyxl，實(shí)際上限制比較多，不是很方便。比如openpyxl也不支持csv格式。有沒(méi)有更好的方法？其實(shí)我們可以用pandas來(lái)進(jìn)行excel的數(shù)據(jù)讀寫和分析，事實(shí)上常見(jiàn)的分析excel數(shù)據(jù)的代碼大多都是建立在pandas上的。

今天在使用pytorch進(jìn)行訓(xùn)練，在運(yùn)行 loss.backward() 誤差反向傳播時(shí)出錯(cuò) ：RuntimeError: grad can be implicitly created only for scalar outputs。那么在loss反向傳播是出錯(cuò)要怎么辦呢？今天小編就帶來(lái)了相應(yīng)的解決方案，希望能對(duì)小伙伴有所幫助。

有時(shí)候我們需要將自己寫的代碼打包成exe文件，給別人使用。這時(shí)候我們要怎么辦呢？以下將講解Python代碼如何打包成exe可執(zhí)行文件。

機(jī)器學(xué)習(xí)的經(jīng)典案例就是鳶尾花分類，這個(gè)分類可以使用很多優(yōu)秀的機(jī)器學(xué)習(xí)算法去進(jìn)行分類。今天我們介紹一種分類算法——bp神經(jīng)網(wǎng)絡(luò)。通過(guò)TensorFlow進(jìn)行實(shí)現(xiàn)，接下來(lái)就讓我們開(kāi)始學(xué)習(xí)這個(gè)分類算法吧。

pytorch更新完后Variable與Tensor合并了?，F(xiàn)在torch.Tensor()能像Variable一樣進(jìn)行反向傳播的更新，返回值為Tensor，Variable自動(dòng)創(chuàng)建tensor，且返回值為Tensor，（所以以后不需要再用Variable）。Tensor創(chuàng)建后,默認(rèn)requires_grad=Flase，可以通過(guò)xxx.requires_grad_()將默認(rèn)的Flase修改為True。來(lái)看看官方文檔是怎么介紹的吧。

由于在模型訓(xùn)練的過(guò)程中存在大量的隨機(jī)操作，使得對(duì)于同一份代碼，重復(fù)運(yùn)行后得到的結(jié)果不一致。因此，為了得到可重復(fù)的實(shí)驗(yàn)結(jié)果，我們需要對(duì)隨機(jī)數(shù)生成器設(shè)置一個(gè)固定的種子。這樣我們就得到了結(jié)果可復(fù)現(xiàn)的隨機(jī)數(shù)種子。