出处：《机器学习实战》https://blog.csdn.net/Jwenxue/article/details/107092547集成算法和随机森林详解很透彻

nslookup是一种网络管理命令行工具，可用于查询DNS域名和IP地址输入指令nslookup默认服务器和Address是当前上网所用的DNS服务器域名和地址。一、查询不同类型的DNS记录A记录A（Address）记录指的是用来指定主机名或域名对应的IP记录。在提示符>后直接输入域名，可以查看该域名的A记录（也可以用set type=a指令设置）。MX记录MX（mail exc...

1.输入部分包含:（1）源文本嵌入层及其位置编码器（2）目标文本嵌入层及其位置编码器文本嵌入层的作用无论是源文本嵌入还是目标文本嵌入，都是为了将文本中词汇的数字表示转变为向量表示, 希望在这样的高维空间捕捉词汇间的关系.位置编码器的作用因为在Transformer的编码器结构中, 并没有针对词汇位置信息的处理，因此需要在Embedding层后加入位置编码器，将词汇位置不同可能会产生不同语义的信息加

对于分类问题，为了直观表示各类别分类的准确性，一般使用混淆矩阵M.混淆矩阵M的每一行代表每个真实类（GT），每一列表示预测的类。即：Mij表示GroundTruth类别为i的所有数据中被预测为类别j的数目。这里给出两种方法画混淆矩阵。方法一：这里采用画图像的办法，绘制混淆矩阵的表示图。颜色越深，值越大。# -*- coding: utf-8 -*-# By Changxu Cheng, HUSTf

tensorboard --logdir报错 Not a TBLoader or TBPlugin subclass直接卸载tensorboard和tensorboard-plugin-witpip uninstall tensorboardpip uninstall tensorboard-plugin-wit然后重装tensorboard,注意：这里自动安装tensorboard-plugin

出处：《机器学习实战》https://blog.csdn.net/Jwenxue/article/details/107092547集成算法和随机森林详解很透彻

卷积操作：# 1. 卷积核的输入通道数与输入数据的通道数保持一致，所以卷积核的对应通道与输入数据的对应通道进行卷积操作，以卷积核conv_i为例：# 2. 卷积核conv_i的对应通道与输入数据对应通道 进行 对应位置元素 的乘法，即用乘法操作“*”，得到一个与卷积核形状一样的矩阵M# 3. 将第2步中卷积结果矩阵M中的所有元素相加，得到卷积核conv_i在当前通道的卷积结果：标量su_i# 4.

3、在指定的Python环境中运行上图的安装命令即可。2、在pytorch官网查看安装的对应版本。nvcc --version 或者。1、确认电脑的cuda版本。

方法和心得都写在代码注释里了！以下的代码中有两个，CPU版本是只能在CPU上运行，没有问题，但在GPU上会出现数据位置不一致的问题；GPU版本在CPU上和GPU上运行都没有问题。import torchimport torch.nn as nn'''把模型放到指定机器上的方法非常简单，以下创建的模型在CPU和GPU上都可以运行，有GPU的时候就会用GPU：假定我们创建一个模型my_model，然后

错误：FileNotFoundError: [Errno 2] No such file or directory: 'c:\\programfiles\\anaconda3\\envs\\py37\\lib\\site-packages\\h5py-2.10.0.dist-info\\METADATA'解决方法：1. 打开路径：c:\\programfiles\\anaconda3\\envs\