Cc0​Ic1​Pc2​P2⋯cn−1​Pn−1我们有一个循环矩阵C，n行n列，因为矩阵C的特殊性，其斜线上的元素相等，所以可得：C​c0​cn−1​⋮c1​​c1​c0​⋱c2​​c2​c1​⋱c3​​⋯⋯⋱⋯​cn−1​cn−2​⋮c0​​​;​​。

m+n-1假设我们有一个矩阵A，我们定义其秩为1,，3行3列，具体组成如下：A​369​4a22​a32​​5a23​a33​​​;RankA1​​a22​36⋅4​8;a23​36⋅5​10;a32​39⋅4​12;a33​39⋅5​15;​​。

目前我们有 5 种方法判断矩阵是否为正定矩阵：λi​0xTSx0SATA。

链接: https://pan.baidu.com/s/1WIM4Pp5nwa-uP67TMP-m8Q?pwd=uti7 提取码: uti7。conv1d的作用是进行一维的卷积计算，将卷积核沿着输入矩阵进行一维卷积，具体参考如下excel。通过网盘分享的文件：conv1d.xlsx。

【代码】pycharm pytorch tensor张量可视化，view as array。

【代码】pycharm 中plt无法显示图片,ndimage.rotate。

文章目录1. torch.permute函数2. x.permute(0,2,1)3. X.permute(1,0,2)1. torch.permute函数作用：将指定的矩阵维度进行重新排序2. x.permute(0,2,1)作用：将第1维和第2维进行互换# 可以看成是有3个（行4，列5）的矩阵x = torch.arange(60).reshape((3,4,5))# 将第1维和第2维进行互换

文章目录1. DIM的表示2. 代码1. DIM的表示我们在pytorch中经常看到函数要设置dim=0,1，-1之类的，我们经常不知道是怎样设置，在测试中有如下表示；dim=0;举例求和：torch.sum(x,dim=0)举例[[0.,1.,2.,3.],[4.,5.,6.,7.],[8.,9.,10.,11.]]+[[12.,13.,14.,15.],[16.,17.,18.,19.],[2

文章目录1. 背景2.解决方案3. 配置1. 背景因为实验室条件有限(就是没钱)，所以无法购买好的GPU服务器，为了研究深度学习(为了混毕业)，我们希望购买GPU服务器来使用，又需要反复调试代码(能力太菜，加班修改)，2.解决方案为了解决这个问题，我们需要提前准备如下软件：pycharm 专业版 : 用 SSH功能，社区版没有，自行解决GPU服务器 ： 这个只要花钱都有，建议前期用CPU版本的学习

文章目录1. 问题描述2.具体措施1. 问题描述我们在 jupyter notebook 中调用 matplotlib 时候会直接调出图像，但是我们把同样的代码放到 pycharm中的时候，我们发现根本用不了，为了解决以上问题。2.具体措施注释掉 %matplotlib inline;引入import matplotlib.pyplot as plt将最后要显示的图像代码后增加 plt.show(