>> syms x a t s kesi>> f=kesi*s/(1+kesi*kesi)^2f =(kesi*s)/(kesi^2 + 1)^2>> mider=int(f,kesi,x-a*(t-s),x+a*(t-s))mider =s/(2*((x + a*(s - t))^2 + 1)) - s/(2*((x - a*(s - t))^2 + 1))&

matlab

两个pytorch的并行报错

conda环境的python如何降级

1.安装准备需要这两个软件。前者用来制作U盘的启动盘。后者用来预分区。2.分区1.windows下预分区我的分区方案：使用diskgenius对我的移动硬盘（共500G左右）分4个区，均为主分区。1G 分给/boot(此时命名盘符为/boot，然后文件格式设为fat32——具体为什么是这个文件格式，我也不很清楚，是参考其他博客的做法)8G 分给swap(只需设置文件格式)100G分给/分区(命名盘

准确率：分类正确的样本占总数的比例；精确率：分类正确的且为正的样本数占分类为正的样本数的比例；

...

★★ 有了精细的有限元，人工智能这样一个模仿有限元（借助有限元生成的数据）的、精度尚不如有限元的代理模型意义何在？（个人见解）1.强可迁移性。面对若干算例，有限元需要一个一个的去计算，把第100个算例算的很完美，并不能对它算第101个有任何帮助，一切还要从头开始（设置边界条件、设置迭代步长、等待求解完成等等）。但是深度神经网络不同，它具有泛化性能，也许一开始它会吃掉巨大的计算资源，但是当它学会了，

HSE大学讲解机器学习模型可以被分为参数化模型、非参数化模型。参数化模型，例如多项式拟合数据点、神经网络中的多层感知机等。非参数化模型，如KNN(输入空间的最近数据点，也叫最近邻，将它们的标签取平均作为预测标签从而做回归任务),视频中还讲了权重改进版的KNN（最近邻根据各自据待测点的距离进行加权得到预测标签，关于权重的计算见下一段）。根据视频，权重的计算要用到各种核函数。（当然，也可以自己设计计算

https://developer.nvidia.com/rdp/cudnn-archive可问题是，注册时他总提示我“非常抱歉，您目前不符合创建账户的要求”。