使用简单的代码来说明一下，定义矩阵X、W_xh、H和W_hh，它们的形状分别为(3, 1)、(1, 4)、(3, 4)和(4, 4)。沿列（轴1）进行拼接X和H，沿行（轴0）拼接矩阵W_xh和W_hh，两个拼接分别产生形状(3,5)、(5,4)的矩阵，相乘为(3,4)的矩阵。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

在这种模式下，每次计算的结果都将具有requires_grad=False，即使输入具有requires_grad=True。对于推断非常有用，如果确定不会调用，它将减少计算的内存消耗，否则会有requires_grad=True。

给定平均值： (mean[1],…,mean[n]) 和标准值： (std[1],…,std[n]) 对于 n 通道，该变换将归一化输入 torch.*Tensor 的每个通道，即， output[channel] = (input[channel] - mean[channel]) / std[channel]如果图像是torch tensor，则预计具有[…，H，W]形状，其中…表示任意数量的

此电脑（右键选择属性）——>高级系统设置——>系统属性（高级里面选择环境变量）——>系统变量（找到Path并双击，或者点击编辑）——>新建（输入。Win+R输入cmd进入命令行，查看是否安装gcc/g++编码器。win+R打开cmd，输入以下命令看是否安装成功。注意：此电脑右键属性需要到有控制面板的界面那里。，前面是你自己的安装目录）——>保存并退出。：重新安装，注意安装完成后离开时要进行保存。系

线性回归模型：y=wx+bdef linreg(X , w , b) : #@save """线性回归模型""" return torch . matmul(X , w) + b采取平方损失函数将y的形状统一为y_hat# y_hat是预测值, y是真实值 def squared_loss(y_hat , y) : #@save """均方损失""" # 返回平方误差 return(y_hat -

使用OpenCV读取图像，可以在读取图像的窗口通过鼠标点击可以实现：获取鼠标点击像素点的坐标、获取鼠标点击像素点的颜色和在鼠标点击的像素点生成圆等等。在用QQ截图的时候，会有绘制矩形框的选项，使用OpenCV来进行模拟。如果相同选点，但顺序不同，绘制的图像也不同。按照鼠标选点的先后位置绘制多边形。可以想象成绘图工具中的橡皮擦操作。

ResNet的前两层跟之前介绍的GoogLeNet中的一样： 在输出通道数为64、步幅为2的7x7卷积层后，接步幅为2的3x3的最大汇聚层。每个模块有4个卷积层，加上第一个7x7卷积层和最后一个全连接层，共有18层，这种模型通常被称为ResNet-18。现在假设 f* 是我们真正想要找到的函数，如果是 f*∈F，那可以轻而易举的训练得到它。ResNet使用4个由残差块组成的模块，每个模块使用若干个

sum运算符：给定一个矩阵X，我们可以对所有元素求和（默认情况下）。也可以只求同一个轴上的元素，即同一列（轴0）或同一行（轴1）。对每个项求幂（使用exp）；对每一行求和（小批量中每个样本是一行），得到每个样本的规范化常数；将每一行除以其规范化常数，确保结果的和为1。

sum运算符：给定一个矩阵X，我们可以对所有元素求和（默认情况下）。也可以只求同一个轴上的元素，即同一列（轴0）或同一行（轴1）。对每个项求幂（使用exp）；对每一行求和（小批量中每个样本是一行），得到每个样本的规范化常数；将每一行除以其规范化常数，确保结果的和为1。

在使用Pycharm时发现无法导入Anaconda创建好的环境，会出现找不到Conda可执行文件路径的问题。