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

需求流程视图继承LoginMixin检验用户是否登录获取参数2.1 获取旧密码和两次输入的新密码校验参数3.1 检验参数是否都存在3.2 检验新密码是否与旧密码相等3.3 检验两次输入新密码是否一致3.4 正则检验三次输入密码格式是否正确检验输入的旧密码是否是数据库中正确的密码用户对象.set_passwrod(用户输入的新密码)方法更换密码保存到数据库删除cookie中的sessionid和co

某宝sign参数

记录第一次实战app爬虫逆向

读取视频cv2.VideoCapture(0)方法参数：如果参数为路径就是打开该路径的视频如果参数为数字就是摄像头设备的号一般为0返回video对象video对象：get()方法 cv2.CAP_PROP_FPS获取fpscv2.CAP_PROP_FRAME_WIDTH获取宽度cv2.CAP_PROP_FRAME_HEIGHT获取高度read()方法 读取视频的每一帧返回flag(是否成功读取)f

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

目录登录逻辑登录逻辑图解用户登录逻辑流程登录逻辑视图内代码多用户登录（判断是用手机号登录还是用户名登录）退出逻辑退出逻辑流程退出登录视图内代码登录逻辑登录逻辑图解用户登录逻辑流程提取前端的数据① 用户输入的用户名② 用户输入的密码③用户是否勾选记住密码验证参数① 判断参数是否全部都有② 验证用户用户名和密码是否正确保持登录状态处理记住密码① 如果勾选了记住密码就设置session有效期，看需求要记

神经网络就是很多的线性函数和非线性函数组成的复合函数。自定义类继承torch.nn.Module自定义类中实现__init__和forward()函数__init__定义神经网络结构forward()模型的正向传播class NeuralNet(torch.nn.Module):"""自定义神经网络"""def __init__(self,input_size,hidden_size):# 参数为

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

什么是线性回归？线性回归是利用函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析, 简单来说线性回归其实是试图找到自变量与因变量之间的关系比如房子的面积和价格：房子的面积越大，房子的价格就越高假设房子的面积和价格符合方程y = mx + b准备房子面积和价格的数据import numpy as npdata = np.array([[80,200],[95,230],[104,245],