PyTorchPyTorch是一个开源的python机器学习库PyTorch的前身是Torch，其底层和Torch框架一样，使用Python重新写了很多内容更加灵活，支持动态图，是一个以Python优先的深度学习框架，不仅能实现强大的GPU加速，同时还支持动态神经网络。张量PyTorch中所有的操作都是在张量的基础上进行的，可以说是PyTorch的基本单位一、 张量的定义1. 创建随机的张量初始化

目标网址接口：aHR0cHM6Ly9kaWN0LnlvdWRhby5jb20vd2VidHJhbnNsYXRl。

某宝sign参数

记录第一次实战app爬虫逆向

什么是梯度？在一元函数中,某点的梯度标的就说某点的导数. 在多元函数中某点的梯度表示的是由每个自变量所对应的偏导数所组成的向量在前面的线性回归中 就像y = wx + b方程中求出w参数最优的解，就需要对w参数进行偏导数的求取，然后通过偏导数的值来调整w参数以便找到最优解。自动计算梯度和偏导数在PyTorch中可以使用torch.autograd.backward()方法来自动计算梯度在定义张量时

PyTorch在前面使用纯手工做了线性回归，线性回归的问题其实就是求解损失函数最小的情况下的w值。在PyTorch里面很多的函数都进行了封装，我们直接用就可以。损失函数手写损失函数def loss(y, y_pred):"""损失函数"""# (真实值 - 预测值)^2 的平均值return ((y_pred - y)**2).mean()PyTorch封装的损失函数损失函数就是计算 （预测值-真

什么是感知机？机器学习中有分类和回归两大问题：回归预测线性问题，例如房子价格、每一年的降水量 。分类给物体分类，输出之后输出判断是一个香蕉还是一个苹果。感知机是神经网络的基础引入问题颜色越红，形状越圆的是苹果颜色越黄，形状为长条的是香蕉这是数据分布的散点图，怎么才能找到一个线来把香蕉和苹果分类出来呢？决策边界y=mx + b是线性回归预测的数据都是分布在线上的点分类问题产生一个决策线，在决策线上方

什么是感知机？机器学习中有分类和回归两大问题：回归预测线性问题，例如房子价格、每一年的降水量 。分类给物体分类，输出之后输出判断是一个香蕉还是一个苹果。感知机是神经网络的基础引入问题颜色越红，形状越圆的是苹果颜色越黄，形状为长条的是香蕉这是数据分布的散点图，怎么才能找到一个线来把香蕉和苹果分类出来呢？决策边界y=mx + b是线性回归预测的数据都是分布在线上的点分类问题产生一个决策线，在决策线上方

PyTorch在前面使用纯手工做了线性回归，线性回归的问题其实就是求解损失函数最小的情况下的w值。在PyTorch里面很多的函数都进行了封装，我们直接用就可以。损失函数手写损失函数def loss(y, y_pred):"""损失函数"""# (真实值 - 预测值)^2 的平均值return ((y_pred - y)**2).mean()PyTorch封装的损失函数损失函数就是计算 （预测值-真

图像融合按照一定的比例将两张图片融合在一起addWeighted()方法：参数1第一张图片矩阵参数2第一张图片矩阵的权重参数3第二张图片矩阵参数4第二张图片矩阵的权重融合之后的偏移量进行叠加的两张图片宽高应该相同叠加之后的像素偏移值如果填的话不要填太大,超过255会导致图像偏白import cv2import cv2 as cvimg = cv.imread("img/lena.jpg")tony