* 这个错误通常是由于： 版本过低导致的，因为 TypedDict 是在 Python 3.8 中引入的。如果你使用的是 Python 3.7 或更早的版本，那么就会出现这个错误。要解决这个问题，可以通过升级你的 Python 版本到 3.8 或更高版本来解决这个问题。

在 PyTorch 里，DataLoader是一个极为重要的工具，位于** torch.utils.data** 模块中，它为数据的批量加载、打乱和并行处理提供了便捷的方式，能够显著提升数据处理的效率，尤其是在大规模数据集的训练过程中。在深度学习中，尤其是在使用 PyTorch 进行计算机视觉任务时，transforms 是一个非常重要的模块，它位于 torchvision.transforms

定义残差块类，继承自 nn.Module# 调用父类的构造函数# 定义第一个卷积层，输入通道数为 channels_in，输出通道数为 30，卷积核大小为 5，填充为 2# 定义第二个卷积层，输入通道数为 30，输出通道数为 channels_in，卷积核大小为 3，填充为 1# 输入数据通过第一个卷积层# 经过第一个卷积层的输出再通过第二个卷积层# 将输入 x 与卷积输出 out 相加，并通过

IDEA操作码云和使用工具或命令的原理差不多，均需要add， commit，push等操作，更新则采用pull。

本文将介绍python与pycharm的下载与安装步骤。

data[:, -1]：这部分是数组的切片操作。data是一个二维数组，: 表示选取所有行，-1 表示选取最后一列。因此，data[:, -1] 获取了data数组中所有行的最后一列的数据。data[:, -1] == 1：这部分将上一步得到的所有最后一列的值与1进行比较，生成一个布尔数组（或类似布尔索引的结构），其中True表示对应位置的值为1，False表示不是1。data[data[:, -

Python爬虫项目基础知识学习！ ！ ！！！！！

TF - IDF（Term Frequency - Inverse Document Frequency）是一种用于信息检索和文本挖掘的常用加权技术。它由两部分组成：词频（TF）和逆文档频率（IDF）。

DBSCAN（Density - Based Spatial Clustering of Applications with Noise）是一种无监督的、基于密度的空间聚类算法，在数据挖掘和机器学习领域应用广泛。

'''定义神经网络 类的继承这种方式'''class NeuralNetwork(nn.Module): # 通过调用类的形式来使用神经网络，神经网络模型nn.moduledef __init__(self): # self类自己本身super().__init__() # 继承的父类初始化self.flatten = nn.Flatten() # 展开，创建一个展开对象flattendef fo