# command-line-argumentssrc\chartroom\client\main.go:46:10: undefined: login在同一个目录下，引用另外一个go文件的一个函数，不能使用。两段代码如下package mainimport(//"chartroom/ser""fmt""os")//定义两个全局变量，一个表示用户的id一个表示用户的密码var userId int

1.这里mean和zeros的维度都是（32，96，7）。而输入的x_enc的维度也是（32，96，7）。对mean和zeros进行查看。如下图：2.接下来将会得到论文中所讲到的两个部分，一个是seasonal一个是trend。这个decomp这个函数的需要的输入是（x_enc），而decomp是series_decomp这个方法的实例化，这个方法需要一个Kernel_size。（一般这个参数都是

目录1.整个AutoCorrelation的结构2.对q和k进行处理3.对Value进行处理4.aggregation（最难的部分）1.整个AutoCorrelation的结构整个AutoCorrelation层初始化了三个函数，但是只用到了两个，这里存在疑问，不知道为什么是这样的。2.对q和k进行处理q_fft和k_fft是得到的傅里叶变换的一个向量，他的维度是（32，8，64，49）。res是

首先第一个进入的是attentionlayer层class ProbAttention(nn.Module):def __init__(self, mask_flag=True, factor=5, scale=None, attention_dropout=0.1, output_attention=False):super(ProbAttention, self).__init__()...

他这个normalize_neg_one_to_one,只有一行，就返回了img，我们接下来试一下，这个操作会产生什么样的变化，因为他变化一下就输入到了p_losses里面，可以看到在p_losses之前的操作都是特别简单的，这说明整个需要操作的大部分应该都在p_losses里面。12.看一下这个extract 是干什么的，他需要传入三个值，这些都是一些基本的属性，并没有传入x_start本身，所

强化学习算法可以分为三大类：（1）value based,（2） policy based 和 （3）actor critic。常见的是以DQN为代表的value based算法，这种算法中只有一个值函数网络，没有policy网络，以及以DDPG,TRPO为代表的actor-critic算法，这种算法中既有值函数网络，又有policy网络。说到DQN中有值函数网络，这里简单介绍一下强化学习中的一个

对于Model这个类，第一句：定义一个初始化函数，第二句：从父类nn.Module中继承了父类的初始化函数，第三和第四句都是自己写的。class Model(nn.Module):def __init__(self):super().__init__()self.conv1 = nn.Conv2d(1, 20, 5)self.conv2 = nn.Conv2d(20, 20, 5)def forw

1）Tag是Struct的一部分Tag用于标识结构体字段的额外属性，有点类似于注释。标准库reflect包中提供了操作Tag的方法，在介绍方法前，有必要先了解一下结构体的字段是如何表示的。在reflect包中，使用结构体structField表示结构体的一个字段:可以看出，Tag也是字段的一个组成部分。Tag 的类型为structTag，实际上它是一个string类型的别名type StructF

强化学习

对于导入的dataset可以用迅雷进行下载对于CIFAR10，进行ctrl点击鼠标左键进入，可以查看其url，将url进行复制粘贴，用迅雷可以进行下载。