基于PyTorch的深度学习实战的补充篇，也是本系列的最后一篇。本文主要讲解RNN和LSTM基本原理、PyTorch中的LSTM、Embedding层相关知识

本文主要神经网络、深度学习在MRI上的应用，涉及隐藏层的调试等技术工作。使用的方法为end-to-end gQUCESOP方法，用于实现自优化自判别的定量CEST-MRI技术

万字长文，各实例讲解均附上了代码和运行结果。本文基于PyTorch开展深度学习相关实战，主要包括神经网络中变量、求导、损失函数、优化器相关问题

本文详细讲述了使用Matlab搭建神经网络，并进行目标确定、导入数据、神经网络工具箱调用、数据预测和我对该项目的理解和使用技巧，包括快速选取Excel文件、临时变量保存、神经网络的w和b的位置、如何生成预测值和如何预测多输入多输出问题，如果有需要获取本博文所用的相关数据和代码，欢迎私信我免费获取！

万字长文，各实例讲解均附上了代码和运行结果。本文基于PyTorch开展深度学习相关实战，主要包括神经网络中变量、求导、损失函数、优化器相关问题

一文详细介绍深度学习入门中PyTorch环境配置问题，以及PyTorch在深度学习、神经网络上的Python实际应用。从神经网络算法的选择到神经网络的搭建，再到节点调整，详细介绍了全部知识点

万字长文，各实例讲解均附上了代码和运行结果。本文为基于PyTorch开展深度学习相关实战的第二篇，文内的讲解主要包括线性回归、numpy矩阵的保存、模型的保存和导入、卷积层、池化层相关知识点和实际用例

本文主要神经网络、深度学习在MRI上的应用，涉及隐藏层的调试等技术工作。使用的方法为end-to-end gQUCESOP方法，用于实现自优化自判别的定量CEST-MRI技术

本文为《基于Python的数据分析大全》中的第一篇，代码量较大。全文介绍了Numpy基础相关知识点，主要包括：Numpy数组介绍、创建数组、输入输出、数据类型、数组信息、调用帮助、数组计算、数组复制、数组排序、子集切片索引、数组操作等，注重实际应用。

数据科学专栏中介绍Scikit-learn的文章，主要讲解内容包括：Scikit-learn、加载数据、训练集与测试集数据、创建模型、模型拟合、拟合数据与模型、评估模型性能、模型调整