输入为tensor矩阵向量欧式距离def get_elu_dis(data):return torch.sqrt((-2*data.mm(data.t()))+torch.sum(torch.square(data),axis=1,keepdim=True)+torch.sum(torch.square(data.t()),axis=0,keepdim=True))余玄距离def get_cos_

1. 综述 1.1 Cover和Hart在1968年提出了最初的邻近算法1.2 分类(classification)算法1.3 输入基于实例的学习(instance-based learning), 懒惰学习(lazy learning)2. 例子：未知电影属于什么类型？3. 算法详述3.1 步骤：1）为了判断未知实例的类别，以所有已知类别的实例作为参照2）选择参数K3）计算未知实例与所有


DataFrame.columns.values.tolist()

一、TnesorFlow 计算模型————计算图1、 计算图概念1.1Tensor Tensor就是张量, 可以简单理解为多维数组，表明了数据结构1.2 FlowFlow 表达了张量之间通过计算相互转化的过程，体现了数据模型1.3 数据流图基础数据流图是每个 TensorFlow 程序的核心，用于定义计算结构每一个节点都是一个运算，每一条边代表了计算之间的依赖关系上图展示了可完成基本加法运

摘要从自然图像生成自动描述是一个具有挑战性的问题，近来受到计算机视觉和自然语言处理社区的大量关注。 在本次调查中，我们根据他们如何将这个问题概念化的现有方法进行分类，即将描述作为生成问题或作为视觉或多模态表征空间上的检索问题的模型。 我们提供了对现有模型的详细回顾，突出其优点和缺点。 此外，我们概述了评估机器生成图像描述质量的基准图像数据集和评估措施。 最后，我们推断自动图像描述生成领域的未来方向