## Python中常用的数据结构---二叉树的遍历常用的数据结构有数组、链表(一对一)、栈和队列、哈希表、树(一对多)、图(多对多)等结构。在本目录下我们将讲解，通过python语言实现常用的数据结构。#### 2.二叉树的遍历二叉树的遍历分为4种，前序遍历、中序遍历、后序遍历、层序遍历前序遍历：根节点、左节点、右节点中序遍历：左节点、根节点、右节点后序遍历：左节点、右节点、根节点

### 线性回归预测模型的实现（linear model）y=x*w+b**通过 numpy包穷举找到线性模型的预测的w和b值，并用matplotlib和mpl_toolkits包画出在训练过程中w、b、loss的三维变化。**1、实现==y=x*w + b==线性回归预测。**关键是求解出w和b的值，w和b的值知道了其线性模型就确定了。**如下图所示：

Python中常用的数据结构—哈希表（字典）常用的数据结构有数组、链表(一对一)、栈和队列、哈希表、树(一对多)、图(多对多)等结构。在本目录下我们将讲解，通过python语言实现常用的数据结构。4.哈希表哈希表（hash table）也叫作散列表，这种数据结构提供了键（key）和值（value）的映射关系。只要给出一个key，就可以高效查找到它所匹配的value，时间复杂度接近于O(1)。哈希函

### 反向传播（back propagation）使用pytorch框架不需要自己去手动求导，框架中自带求导的工具，我们可以通过反向传播将梯度往回传播。通常有二个过程，forward和backward。

### 张量的分块和拆分方法#### 1.分块：.chunk()方法.chunk()方法能够按照某维度，对张量进行均匀切分，并且返回结果是原张量的视图。**（1）.chunk()函数的使用，第一个参数：目标张量，第二个参数：等分的块数，第三个参数：按照的维度**

### 反向传播（back propagation）使用pytorch框架不需要自己去手动求导，框架中自带求导的工具，我们可以通过反向传播将梯度往回传播。通常有二个过程，forward和backward。

张量的维度和形变张量作为一组数的结构化表示，也同样拥有维度的概念。简便理解：向量就是一维的数组，而矩阵是二维的数组，以此类推，在张量中我们还可以定义更高维度的数组。张量的高维数组和numpy中高维array概念类似。1、创建高维张量1.1 用简单序列创建一维数组#用简单序列创建一维数组t1 = torch.tensor([1, 2])结果为：tensor([1, 2])#使用ndim属性查看张量的

## Numpy库介绍NumPy是一个功能强大的Python库，主要用于对多维数组执行计算。NumPy这个词来源于两个单词-- Numerical和Python。NumPy提供了大量的库函数和操作，可以帮助程序员轻松地进行数值计算。在数据分析和机器学习领域被广泛使用。他有以下几个特点：1、numpy内置了并行运算功能，当系统有多个核心时，做某种计算时，numpy会自动做并行计算。2、Numpy底层

@[TOC](Numpy数组操作)## 1、数组广播机制：### 1.1数组与数的计算：在Python列表中，想要对列表中所有的元素都加一个数，要么采用map函数，要么循环整个列表进行操作。但是NumPy中的数组可以直接在数组上进行操作。示例代码如下：```pythonimport numpy as npa1 = np.random.random((3,4))print(a1)

@[TOC](Numpy数组索引、切片与值的替换)## 1、索引与切片：### 1.1 获取某行的数据：：示例代码如下：```python# 1. 如果是一维数组a1 = np.arange(0, 29)print(a1[1])# 获取下标为1的元素#结果为：1