首先创建项目选择应用程序点击下一步后，放在想要的路径创建好的项目如下图2.两种方式开启交互窗口①在项目上右键，即可看见打开交互窗口的操作。②如图点击上侧的工具，找到交互窗口的操作...

in_channels是输入的图片的channel数；out_channels是输出的通道数；kernel_size用来设置卷积核的大小，卷积核的初值是某个分布中的采样，随着训练的进行，值是不断变化的；stride是步径，卷积核移动的格数；padding是输入的外围拼接的大小。out_channels取决于卷积核的数量，卷积核也有in_channels参数，该参数取决于需要进行卷积操作的数据的ch

线性层参数 in_features 就是输入x，out_features 是线性层的输出是上图的g。x到g的关系式为：，其中的是权重，是偏置（参数bias为True时，才存在）。阅读官方文档可知，weight和bias都是从分布中采样初始化，经过训练得最终结果。在vgg16模型中，将224*224*3的图片转变为了1*1*4096的大小，经过训练，得到最终的1*1*1000的结果。我们也采取相同的

BP神经网络百度百科解释为前馈和误差逆向传播为该神经网络的两个主要部分1、模型介绍这是一个生物上的神经元，①是胞体，用来处理传进来的刺激和产生传出的刺激；②是轴突，输出本神经元的刺激；③是树突，用来接收其他神经元的刺激，传给胞体。由此可以抽象出一个神经元模型：左边树突，中间胞体，右边轴突。是激活函数，对输入进行处理，得到输出，主要作用是完成数据的非线性变换，另一个重要的作用是执行数据的归一化，将输

Dataset相当于数据集，而Dataloader顾名思义是一个装载数据集的一个工具，从dataset中取数据。先进入官网进行学习：创建一个数据集和一个dataloader：import torchvisionfrom torch.utils.data import DataLoader#准备一个测试集test_data = torchvision.datasets.CIFAR10(root=".

目录add_scalar()函数add_image()函数Tensorboard是常用的一种可视化的工具，我们对其中的SummaryWriter类进行调用。我们可以查阅其相关说明：我们通常使用初始化函数中的第一个参数：文件的名称，也可以不对其进行配置，采用默认。add_scalar()函数使用其中的add_scalar函数，首先查阅说明：tag相当于图像的标题； scalar_value是要保存的

目录一、关于pip出现的问题及解决1. 首先找到pip.exe文件的路径：​​2.将该路径复制到环境变量中：3.验证二、pygame的安装1.首先应该进入到自己安装的VS，查看自己的python版本，如图：​2.进行安装一、关于pip出现的问题及解决下载了VS2019，安装了python的环境，但是在命令提示符用pip命令下载第三方库时会出现可能是路径不包含的原因，具体解决方法...

线性层参数 in_features 就是输入x，out_features 是线性层的输出是上图的g。x到g的关系式为：，其中的是权重，是偏置（参数bias为True时，才存在）。阅读官方文档可知，weight和bias都是从分布中采样初始化，经过训练得最终结果。在vgg16模型中，将224*224*3的图片转变为了1*1*4096的大小，经过训练，得到最终的1*1*1000的结果。我们也采取相同的

使用步骤：建立一个优化器，对参数的每一个梯度清零，调用损失函数的反向传播(backward)求出每一个参数的梯度，最后对每一个参数进行调优。以随机最速下降法 (SGD)为例：参数params用来指明网络中需要优化的参数，lr为学习速率。准备数据集：dataset = torchvision.datasets.CIFAR10("./dataset", train=False, transform=t

目录基本概念模型求解和应用基于求解器的求解方法基于问题的求解方法其他 运筹学的一个重要分支是数学规划，线性规划是数学规划的一个重要的分支。变量称为决策变量，规划的目标称为目标函数，限制条件称为约束条件，s.t.是“受约束于”的意思。建立线性规划模型的一般步骤为：①分析问题，找出决策变量。②找出等式或不等式约束条件。③构造关于决策变量的一个线性函数。线性规划模型的一般形式：或：为目标函数的系数向量，