使用pytorch训练网络之前的数据准备部分都要有两个流程：Dataset和DataLoader。继承Dataset类，自定义数据处理类。必须重载实现len()、getitem()这两个方法。其中__len__返回数据集样本的数量，而__getitem__应该编写支持数据集索引的函数，返回数据和对应label，例如：通过dataset[i]可以得到数据集中的第i+1个数据。DataLoader中的

卷积神经网络主要由卷积层、池化层和全连接层组成。排在前面的较浅的卷积层采用较小的感知域，可以学到图像的一些局部特征（如纹理特征），排在后面较深的卷积层采用较大的感知域，可以学到更加抽象的特征（如物体的大小、位置和方向等）。全卷积神经网络（FCN）和卷积神经网络（CNN）的主要区别在于FCN将CNN末尾的全连接层转化成了卷积层。例如，经过卷积、池化后，图像的大小变为4（长）×4（宽）×512（通道数

Tree-based Pipeline Optimization Tool（TPOT，基于树的管道优化工具）是一个用于在 Python 中执行 AutoML 的开源库。TPOT 使用基于树的结构来表示预测建模问题的模型管道，包括数据准备和建模算法以及模型超参数。它利用流行的 Scikit-Learn 机器学习库进行数据转换和机器学习算法，并使用遗传编程随机全局搜索过程**来有效地发现给定数据集的性

python保存float类型的小数的位数的三种方法

python中numpy array与list的区别 & numpy的应用 & numpy的基本使用。一个numpy array 是内存中一个连续块，并且array里的元素都是同一类（例如整数）。所以一旦确定了一个array，它的内存就确定了，那么每个元素（整数）的内存大小都确定了。list中的数据类型不必相同的，而array的中的类型必须全部相同。

提取CIFAR10和CIFAR100中的图片显示并保存注：如果你的论文中用到了cifar10和cifar100的数据集，提取出cifar10和cifar100的图片后，在word中插入表格就可以作出类似的图~

RuntimeError: Given input size: (256x1x1). Calculated output size: (256x0x0). Output size is too small报错原因：图片尺寸太小（初始尺寸32*32*3，而32=2^5，经过五层池化后尺寸就变为1），进入网络后池化不够大。解决方法：①修改pooling层，步长变为1。②减少pooling层，两层卷积后

python中numpy array与list的区别 & numpy的应用 & numpy的基本使用。一个numpy array 是内存中一个连续块，并且array里的元素都是同一类（例如整数）。所以一旦确定了一个array，它的内存就确定了，那么每个元素（整数）的内存大小都确定了。list中的数据类型不必相同的，而array的中的类型必须全部相同。

文章目录1. 查看所有环境Gym是一个包含各种各样强化学习仿真环境的大集合，并且封装成通用的接口暴露给用户。2. 编写文件放置首先找到自己的环境下面的gym环境包envs，之后我们要创建自己的myenv.py文件，确保自己创建的环境可以在gym里使用，可以进入classic_control文件新建一个myenv的文件夹。3.注册自己的模拟器4. 自定义环境实现5. 测试环境6. 自定义环境以及测试

总的来说 logging 模块相比 print 的优点：①可以在 logging 模块中设置日志等级，在不同的版本(如开发环境、生产环境)上通过设置不同的输出等级来记录对应的日志，非常灵活。②print 的输出信息都会输出到标准输出流中，而 logging 模块就更加灵活，可以设置输出到任意位置，如写入文件、写入远程服务器等。③logging 模块具有灵活的配置和格式化功能，如配置输出当前模块信息