所有属性的值都可以为inherit，即继承母元素。 字体 属性 含义 值 font-family 字体 Serif, Monospace, “Times New Roman”, “宋体” font-weight 粗细 bold, normal, 1~900 font-size 大小 ~px（一般为12，13,14）, ~% font-style 样式 normal, it

概念 多层感知机是一种最简单的深度网络，分为输入层，隐藏层和输出层，其中隐藏层的每一层都有很多节点，每个节点代表一个变换（计算方法），包括常用的两个参数，即weight（权重）和bias（偏置量） 隐藏层 ¶基本原理 由于输入层输入的数据（如图片的像素，声音的频率等）和输出层（如分类概率，判断等）之间难以找出直接的联系，因此引入隐藏层来讲输入特征进行特征提取，形成一个隐藏层，然后再将隐藏层的结果输

以下为notebook直接转化为markdown，在macOS上可以运行。 可以在这里试试直接在Google Colab里运行，理论上也行👉🏻https://drive.google.com/file/d/1CjHEb3ZspR_3qbHjJgenfrGmeJC75nF8/view?usp=sharing 下面的内容主要是CNN的初级训练和使用，初学者所为，大佬门看个乐子就行🤪 PyTorc

题头 本文为notebook直接转为markdown，因本人的MBP内存过于拉胯，所以Food101数据还需要缩小才能继续训练。其他代码在macOS上面已经运行训练成功。也可以点击这个链接直接在Colab里面打开👉🏻https://drive.google.com/file/d/1Lee_oohIN99bHRm1kMEi25VgxTSFe1fF/view?usp=sharing。 但是Cola

前言 众所周知，炼丹一般是在老黄的卡上跑的（人话：一般在NVIDIA显卡上训练模型），但是作为果果全家桶用户+ML初学者，其实M芯片的GPU也可以用来GPU加速，效果指不定还比Google Colab上面分给你的T4要快。而PyTorch早在2022年就支持M芯片的GPU加速了，老黄的卡叫CUDA，果果的GPU就叫MPS (Metal Performance Shaders)，下面来看看怎么开启。

以下是notebook直接转换成markdown，在Google Colab上可以正常执行。 可以在这里直接进入👉https://colab.research.google.com/drive/1Xf0wMvc_bG-bMMewme__oDXtE5KmmBCG?usp=sharing 下面的内容为经典的ML应用：classification，分类。 Some hyperparameters（Fo

以下都是notebook直接转换成markdown，在Google Colab上验证可以正常执行。 可以在这里直接进入👉https://colab.research.google.com/drive/1TDM6Vz5efbjTzvXcn1RQMhF5iijg8pzm?usp=sharing 下面的内容是pytorch训练的一般的工作流 Initalize 1234import torchimpo

以下是notebook直接转换成markdown，在Google Colab上可以正常执行。 可以在这里直接进入👉https://colab.research.google.com/drive/1oSCI36tAQq9gfTaHmG5PyDwcPzA1P_pl?usp=sharing 内容为pytorch和ML的入门经典内容，各位可以康一康哈，但是主要以笔记为主，因此会有些中英参半 Basic

由于众所周知的原因，下载一些资源的时候需要代理，下面是几种常见情况的代理设置 终端 macOS终端和Windows终端是一样的。首先打开命令行的rc文件，macOS一般为~/.zshrc（用的zsh环境），Linux一般为~/.bashrc（用的bash环境），没有就新建一个。在文件末尾加上以下配置 12alias proxy='export all_proxy=socks5://127

前置芝士 一点点图论芝士 Kruskal（或者你用Prim也行），用来求最小生成树 定义 定义就是字面意思，无需解释。 思路 先将输入的图的最小生成树求出来，再枚举没有增加过的边，将他们加入到最小生成树当中去。新增一条边之后，我们就可以得到一个基环树。   接下来，我们在这棵基环树上找到环，并删除环上最长的边，这是我们就可以得到一颗新的树。通过枚举每一颗新的树，找到这些树中的最小的树，这就