1. 导入数据# if (!require("BiocManager", quietly = TRUE))#install.packages("BiocManager")## BiocManager::install("ChAMP")library(ChAMP)### 导入数据# 利用minifi包的idat数据baseDir <- system.file("extdata", packag

torch.linalg 是 PyTorch 的 线性代数 (Linear Algebra) 子模块，它提供了许多 高效的矩阵操作和分解方法，类似于 NumPy 的 numpy.linalg 或 SciPy 的 scipy.linalg，但针对 GPU 加速和自动微分 进行了优化。

nn.CrossEntropyLoss：直接接受未归一化的 logits作为输入，并在内部自动应用log_softmax来计算对数概率。nn.NLLLoss：接受对数概率（log-probabilities）作为输入，也就是说，输入需要先通过log_softmax处理。

scatter_函数可以根据指定的索引，在目标张量的某个维度上填充源张量或标量的值。one-hot 编码：将类别标签转换为 one-hot 格式。更新张量特定位置的值：可以根据索引在张量的某些特定位置填入新的值。它灵活且高效，适合用于需要对张量的特定索引进行操作的场景。

torch.triu是 PyTorch 提供的一个函数，用于生成矩阵的。它的名称来源于 "triangular upper"（上三角形），作用是将矩阵的下三角部分置为零，只保留对角线及其上方的元素。

是 PyTorch 中的一个用于从给定维度上按索引取值的函数。它根据一个索引张量index，从源张量input中收集值，并返回一个新的张量。常用于需要从张量的特定位置抽取元素的操作。

在 PyTorch 中，你可以使用或加上random_方法来初始化张量并填充随机整数值。

类来解压缩文件流，然后通过标准的输入流来读取解压缩后的数据。方法逐行读取解压缩后的文件内容，并输出到控制台。包装起来，以便读取压缩的数据。将字节流转换为字符流，再使用。

类来解压缩文件流，然后通过标准的输入流来读取解压缩后的数据。方法逐行读取解压缩后的文件内容，并输出到控制台。包装起来，以便读取压缩的数据。将字节流转换为字符流，再使用。

【代码】c++ 检查文件/文件夹是否存在。