可以看到emotion和Usage中获取训练集、测试集的数据量不是按多少进行排序。按多列进行分组，emotion和Usage中获取训练集、测试集的数据量，多索引。按照从小到大的顺序进行排序，通过by属性（Usage.agg([len]）方法是agg() ，它允许在 DataFrame 上运行一堆不同的函数。多索引方法是转换回常规索引的方法，即reset_index()方法。使用groupby()获

由于需要通过内网和外网访问服务器，这里是通过跳板机进行第一次连接（需要：跳板机的ip和端口号）菜单栏：Options——>Global Options——>在Firewall中选择add。注意：通过跳板机连接专属服务器时，跳板机也需要保持连接，否则服务器断开连接。服务器那边给了一个私钥，现在需要通过私钥连接跳板机，再连接到专属服务器上。此时无法连接，还需要配置私钥来访问跳板机，右键点击Proper

定义init_rnn_state函数在初始化时返回隐状态，该函数的返回是一个张量，张量全用0填充，形状为（批量大小，隐藏单元数）。采样的小批量数据形状为二维张量：（批量大小，时间步数）,one_hot函数将其转换为三维张量：（时间步数，批量大小，词表大小）可以看到输出形状是（时间步数x批量大小，词表大小）， 而隐状态形状保持不变，即（批量大小，隐藏单元数）。1、对于长度为T的序列，我们在迭代中计算

注意：当使用config配置ssh时（或通过跳板机），ssh:无法解析主机名e:名称解析暂时失败。

重新安装Anaconda失败，显示Failed to link extracted packages to D:\Anaconda\anaconda3。C盘——>用户——>admin（用户名）——>.condarc。，这个文件是你之前配置镜像源所用到的文件。1、C盘，进入用户文件夹。2、点击你创建的用户。

构造一个具有256个隐藏单元的单隐藏层的循环神经网络层rnn_layer# 构造一个具有256个隐藏单元的单隐藏层的循环神经网络层rnn_layer使用张量初始化状态，形状为（隐藏层数，批量大小，隐藏单元数）# 使用张量初始化状态，形状为（隐藏层数，批量大小，隐藏单元数）通过一个隐状态和一个输入，可以用更新后的隐状态计算输出。# 通过一个隐状态和一个输入，可以用更新后的隐状态计算输出。

在训练期间，使用来自伯努利分布的样本以概率 p 随机地将输入张量的一些元素归零。打开命令行，输入以下代码，并打开TensorBoard的链接： http://localhost:6006/其中包括对卷积操作中卷积核的计算、填充、步幅以及最大值池化的操作。最大值池化层，对由多个输入平面组成的输入信号应用2D最大池化。使用CIFAR10数据进行卷积操作，并进行可视化操作。对由多个输入平面组成的输入信号

"""自定义块：1、将输入数据作为其前向传播函数的参数。2、通过前向传播函数来生成输出（输出的形状可能与输入的形状不同）。3、计算其输出关于输入的梯度，可通过其反向传播函数进行访问。4、存储和访问前向传播计算所需的参数。5、根据需要初始化模型参数。""" """多层感知机：1、输入是一个20维的输入。2、具有256个隐藏单元的隐藏层和一个10维输出层。""" class MLP(nn . Modu

过渡层可以用来控制模型复杂度，它通过1x1卷积层来减小通道数，并使用步幅为2的平均汇聚层减半高和宽，从而进一步降低模型复杂度。在前向传播中，将每个卷积块的输入和输出在通道维上连结。在每个模块之间，ResNet通过步幅为2的残差块减小高和宽，DenseNet则使用过渡层来减半高和宽，并减半通道数。DenseNet使用4个稠密块，稠密块里的卷积层通道数（即增长率）设为32，所以每个稠密块将增加128个

查看我python的版本和numpy的版本。版本，但需要注意你的。