-
4.6 总结
4.6 总结 4.6 总结 作为初始化的一种具体操作形式，构造器应使大家明确感受到在语言中进行初始化的重要性。与C++的程序设计一样，判断一个程序效率如何，关键是看是否由于变量的初始化不正确而造成了严重的编程错误（Bug）。这些形式的错误很难发现，而且类似的问题也适用于不正确的清除或收尾工作。由于构造器使我们能保证正确的初始化和清除（若没有正确的构造器... -
练习 9：Bash：任务控制，jobs，fg
练习 9：Bash：任务控制，jobs ，fg 这样做 你会看到什么 解释 附加题 练习 9：Bash：任务控制，jobs ，fg 原文：Exercise 9. Bash: job control, jobs, fg 译者：飞龙 协议：CC BY-NC-SA 4.0 自豪地采用谷歌翻译 Linux是一个多任务 操作系统... -
自动求导: 自动微分
自动求导: 自动微分 Variable(变量） 梯度 自动求导: 自动微分 译者：@小王子 校对者：@李子文 PyTorch 中所有神经网络的核心是 autograd 自动求导包. 我们先来简单介绍一下, 然后我们会去训练我们的第一个神经网络. autograd 自动求导包针对张量上的所有操作都提供了自动微分操作. 这是一个逐个... -
13.13 action的替代品
13.13 action 的替代品 13.13 action 的替代品 正如早先指出的那样，action() 并不是我们对所有事进行分类后自动为handleEvent() 调用的唯一方法。有三个其它的被调用的方法集，如果我们想捕捉某些类型的事件（键盘、鼠标和焦点事件），因此我们不得不重载规定的方法。这些方法是定义在基类组件里，所以他们几乎在所有我们可能... -
13.21 练习
13.21 练习 13.21 练习 (1)创建一个有文字字段和三个按钮的程序片。当我们按下每个按钮时，使不同的文字显示在文字段中。 (2)增加一个复选框到练习1创建的程序中，捕捉事件，并插入不同的文字到文字字段中。 (3)创建一个程序片并增加所有导致action() 被调用的组件，然后捕捉他们的事件并在文字字段中为每个组件显示一个特定的消息。 (... -
16.2 观察器模式
16.2 观察器模式 16.2 观察器模式 观察器（Observer ）模式解决的是一个相当普通的问题：由于某些对象的状态发生了改变，所以一组对象都需要更新，那么该如何解决？在Smalltalk的MVC（模型－视图－控制器）的“模型－视图”部分中，或在几乎等价的“文档－视图结构”中，大家可以看到这个问题。现在我们有一些数据（“文档”）以及多个视图，假定... -
PyTorch: 变量和autograd
PyTorch: 变量和autograd PyTorch: 变量和autograd 译者：@yongjay13 、@speedmancs 校对者：@bringtree 本例中的全连接神经网络有一个隐藏层, 后接ReLU激活层, 并且不带偏置参数. 训练时通过最小化欧式距离的平方, 来学习从x到y的映射. 在实现中, 我们将使用PyTo... -
2.6.1 数据的输入
2.6.1 数据的输入 2.6.1 数据的输入 有的程序处理的是静态数据，即在程序运行之前数据已准备好。这时我们可以预先将数据存储在变量之中，并且能够针对数据的特性来选用合适的处理命令。例如，已知 Lucy 在 2012 年是 7 岁，则可编写下面的程序来显示 Lucy 的出生年份信息： 【程序 2.1】eg2_1.py name = "Lu...
