搭建神经网络+sequential（联邦学习笔记）sequential：顺序容器。模块将按照它们在构造函数中传递的顺序添加到它当中。或者，可以传入模块的OrderedDict。Sequential的forward()方法接受任何输入并将其转发到它包含的第一个模块。然后，它将每个后续模块的输出顺序链接为输入，最后返回最后一个模块的输出。（能简化代码）下面以CIFR10的卷积神经网络搭建模型。1、有三

在上一篇，输入图像经过一个卷积核，得到一个输出。这是我们设置卷积层参数in_channel=1,out_channel=1时（默认）的结果。当我们设置in_channel=1,out_channel=2时，卷积核就回有两个，卷积后的输出也有两个先简单编写一个神经网络，如下：import torchimport torchvisionfrom torch import nnfrom torch.nn

最大池化层（常用的是maxpool2d）的作用：一是对卷积层所提取的信息做更一步降维，减少计算量二是加强图像特征的不变性，使之增加图像的偏移、旋转等方面的鲁棒性具体操纵：取图像中的最大值作为输出，如下所示，第一个橙色框代表最大池化操作，最左边池化的最大值为3，即第一个输出为3，后面以此类推。橙色的操作代表ceil_mode=True()时的操作，即不够的向上取整，False代表向下取整。代码：im

（联邦学习笔记，资料来源于b站小土堆）训练模板1、准备数据集2、获取数据集长度，可以用来辅助计算精确度3、加载数据集（DataLoader）4、搭建网络模型（一般单独一个python文件）5、创建网络模型（实例化）6、定义损失函数、优化器7、设置训练网络的一些参数（如训练次数、轮数等等）8、模型训练具体代码实现如下（简单示例）：1、准备数据集train_data = torchvision.dat

python画图Matplotlib

目标：1、使用Tensorboard2、图像变换，使用transform首先先了解SummaryWriter，它能直接将条目写入日志目录中的事件文件，供TensorBoard使用Summarywriter主要使用到两种方法：add_image()和add_scalar()Summarywriter.add_scalar()在Summarywriter.add_scalar()的参数中，global

在写论文时往往需要插入很多图，插入的图如果不是矢量图就会挨老板一遍又一遍批。现在来记录一下怎么让论文里的图片保持清晰度（放大缩小图片都不会失真，一句话，不会变模糊）一、插入对象如visio对象1. 找到 插入-> 对象2. 从弹出的对象选项里选择 由文件创建 -> 浏览3. 找到visio对象，即后缀为 .vsdx的文件，并打开4. 可以看到把文档放大到365%图片里的文字也不会变模糊

电脑键盘输入，输一个字就替换了后面的一个字，怎么修改

在使用visio时，当两条线相交的时候会出现跳线|跨线，如下：---------------------------------------------------------------------------------------------------------------------------------网上有的 可以直接 选中跨线 ，右击 选择格式 --> 行为有如下选项：按

用excel制作柱状图