torch 张量

张量是一种特殊的数据结构,与数组和矩阵非常相似。在 PyTorch 中,我们使用张量来编码模型的输入和输出,以及模型的参数。

张量类似于 NumPy 的 ndarray,不同之处在于张量可以在 GPU 或其他硬件加速器上运行。实际上,张量和 NumPy 数组通常可以共享底层内存,从而无需复制数据(详见与 NumPy 的桥接)。张量还针对自动微分进行了优化(我们将在后面的 Autograd 部分详细介绍)。如果您熟悉 ndarrays,您会很快适应 Tensor API。如果不熟悉,请继续阅读!

import torch
import numpy as np

初始化张量

张量可以通过多种方式进行初始化。请看以下示例

直接从数据创建

张量可以直接从数据创建。数据类型会自动推断。

data = [[1, 2],[3, 4]]
x_data = torch.tensor(data)

从 NumPy 数组创建

张量可以从 NumPy 数组创建(反之亦然 – 详见与 NumPy 的桥接)。

np_array = np.array(data)
x_np = torch.from_numpy(np_array)

继续阅读“torch 张量”

torch 快速入门

Quickstart

This section runs through the API for common tasks in machine learning. Refer to the links in each section to dive deeper.

Working with data

PyTorch has two primitives to work with datatorch.utils.data.DataLoaderand torch.utils.data.DatasetDataset stores the samples and their corresponding labels, and DataLoader wraps an iterable around the Dataset.

import torch
from torch import nn
from torch.utils.data import DataLoader
from torchvision import datasets
from torchvision.transforms import ToTensor

PyTorch offers domain-specific libraries such as TorchTextTorchVision, andTorchAudio, all of which include datasets. For this tutorial, we will be using a TorchVision dataset.

The torchvision.datasets module contains Dataset objects for many real-world vision data like CIFAR, COCO (full list here). In this tutorial, we use the FashionMNIST dataset. Every TorchVision Dataset includes two arguments:transform and target_transform to modify the samples and labels respectively.

# Download training data from open datasets.
training_data = datasets.FashionMNIST(
    root="data",
    train=True,
    download=True,
    transform=ToTensor(),
)

# Download test data from open datasets.
test_data = datasets.FashionMNIST(
    root="data",
    train=False,
    download=True,
    transform=ToTensor(),
)
print(len(training_data))
60000
继续阅读“torch 快速入门”

Python中r’ ‘, b’ ‘, u’ ‘, f’ ‘的含义及用法详解

在Python中,字符串是一种常见的数据类型,用于表示文本信息。除了普通的字符串,Python还提供了一些特殊的字符串前缀和格式化字符串,包括r’ ‘,b’ ‘,u’ ‘,f’ ‘。本文将详细解释这些前缀的含义以及它们的用法,以帮助大家更好地理解和应用它们。

更多Python学习内容:http://ipengtao.com

r’ ‘: 原始字符串

r前缀表示原始字符串(raw string),它会取消字符串中的转义字符(如\n、\t)的特殊含义。原始字符串适用于需要保留转义字符原始形式的情况,如正则表达式、文件路径等。

1 基本用法

# 使用r前缀创建原始字符串
path = r’C:\Users\Username\Documents’
print(path)

在上述示例中,r前缀将字符串中的反斜杠\视为普通字符,而不是转义字符。

2 与转义字符的比较

# 普通字符串与原始字符串的比较
normal_str = ‘C:\\Users\\Username\\Documents’
raw_str = r’C:\Users\Username\Documents’

print(normal_str == raw_str)  # 输出 True

原始字符串与普通字符串在表示相同的文本时是相等的,但原始字符串更容易阅读和维护。

b’ ‘: 字节字符串

b前缀表示字节字符串(bytes string),它用于处理二进制数据,而不是文本数据。字节字符串是不可变的,通常用于处理图像、音频、网络协议等二进制数据。

1 基本用法

# 使用b前缀创建字节字符串
binary_data = b’\x48\x65\x6c\x6c\x6f’  # 字母 ‘Hello’ 的字节表示
print(binary_data)

在上述示例中,b前缀表示字节字符串,每个\x后面跟着两个十六进制数字,表示一个字节。

2 字符串与字节字符串的区别

# 字符串与字节字符串的区别
text = ‘Hello’
binary_data = b’Hello’

print(type(text))  # 输出 <class ‘str’>
print(type(binary_data))  # 输出 <class ‘bytes’>

字符串和字节字符串是不同的数据类型,字符串用于文本,字节字符串用于二进制数据。

u’ ‘: Unicode字符串

u前缀表示Unicode字符串,它用于处理Unicode编码的文本数据。在Python 3中,所有的字符串都是Unicode字符串,因此很少需要使用u前缀。在Python 2中,u前缀用于表示Unicode字符串。

1 基本用法

# 使用u前缀创建Unicode字符串(Python 2示例)
unicode_text = u’你好,世界!’
print(unicode_text)

在Python 3中,无需使用u前缀,普通字符串即为Unicode字符串。

2 Unicode字符串与普通字符串的区别

# Unicode字符串与普通字符串的区别(Python 2示例)
text = ‘Hello’
unicode_text = u’Hello’

print(type(text))  # 输出 <type ‘str’>
print(type(unicode_text))  # 输出 <type ‘unicode’>

在Python 2中,Unicode字符串与普通字符串是不同的数据类型,用于区分文本编码。

f’ ‘: 格式化字符串

f前缀表示格式化字符串(formatted string),它用于在字符串中嵌入表达式的值。在格式化字符串中,可以使用大括号{}来引用变量或表达式,并将其值插入字符串中。

1 基本用法

# 使用f前缀创建格式化字符串
name = ‘Alice’
age = 30
greeting = f’Hello, my name is {name} and I am {age} years old.’
print(greeting)

在上述示例中,f前缀表示格式化字符串,大括号{}内的表达式会被计算并插入到字符串中。

2 表达式和变量

# 在格式化字符串中使用表达式和变量
x = 10
y = 20
result = f’The sum of {x} and {y} is {x + y}’
print(result)

格式化字符串允许嵌入表达式和变量,并将它们的值动态插入到字符串中。

总结

在Python中,r’ ‘,b’ ‘,u’ ‘,f’ ‘等前缀和格式化字符串是用于处理不同类型文本和数据的工具。r前缀表示原始字符串,b前缀表示字节字符串,u前缀表示Unicode字符串,f前缀表示格式化字符串。了解这些前缀的含义和用法有助于更好地处理不同类型的字符串和数据。

梯度、散度、旋度

0、哈密顿算子

1、梯度(Gradient)是矢量,也是法向量

2、散度(Divergence)是标量

3、旋度(Curl)是向量

  • 标量的梯度为矢量,因此对该矢量可以继续求散度,从而引入拉普拉斯算子∇2 :
  • 矢量的散度为标量,因此对该标量可以继续求梯度:

拉普拉斯算子对标量的运算结果为标量、对矢量的运算结果为矢量。

举例:

电势场的梯度是电场强度,电场强度的的散度等于q/ε,高斯定理

python from .xxx import yyy 与 from xxx import yyy区别

相对导入只能用于同一个package里,并且包内的文件不能单独运行,只能在包的外部来调用



|--testmodule.py
|
|--testpy
   |
   |-- __init__.py 模块标志文件
   |
   |-- hello.py    模块1
   |
   |-- test.py             模块2,导入模块1,不可以单独运行
   |
   |-- test2.py    可以单独运行




hello.py
print('hello.py')
class hhh():
    print('hhhh')



test.py
from .hello import hhh
print('test.py')



testmodule.py
from testpy import test
print('OK')


python3 testmodule.py
hello.py
hhhh
test.py
OK




test2.py
from hello import hhh
print('test2.py')


cd testpy 

ls
__init__.py	__pycache__	hello.py	test.py		test2.py

python3 test.py  不可以单独运行

Traceback (most recent call last):
  File "/Users/yourname/Documents/testpy/test.py", line 1, in <module>
    from .hello import hhh
ImportError: attempted relative import with no known parent package

python3 test2.py  可以单独运行
hello.py
hhhh
test2.py

AI什么是模型?什么是参数?什么是大模型?什么是通用模型?什么是推理模型?

一、模型是什么?

(一)、核心定义:

在人工智能(AI)中,模型(Model) 是一个核心概念,可以理解为一种数学工具或计算框架,它通过学习(调整内部参数)数据中的规律,将输入信息转化为有意义的输出结果。简单来说,模型是AI的“大脑”,负责处理问题并给出答案,但它本质上只是一套复杂的数学规则(数学函数),而非真正的意识或智慧。

理解模型的概念,是区分AI技术能力与科幻幻想的关键——它强大但有限,是工具而非生命。

(二)、目标

  • 从已知数据中捕捉隐藏的规律,从而对未知数据做出合理推断。

(三)、通俗理解:菜谱

  • 模型 ≈ 菜谱的步骤
  • 参数 ≈ 调料的比例(盐放多少、火候大小)
  • 数据 ≈ 食材、调料
  • 训练 ≈ 通过多次试做(学习)调整调料(参数)比例,直到菜肴味道达标。

(四)、常见类型

  • 简单模型
  • 如:线性回归 y=wx+b
  • 参数少(仅斜率w 和截距b),适用于数据关系简单的问题(如预测房价与面积的关系)。
  • 复杂模型
  • 如:深度神经网络(如GPT-4、ResNet)
  • 参数可达数十亿,通过多层非线性计算捕捉复杂模式(如语言生成、图像识别)。

(五)、模型如何“学习”?

  • 初始化:模型参数随机设定(类似“蒙题”)。
  • 试错:用输入数据计算输出,对比正确答案计算误差(如预测错误时)。
  • 调整:通过优化算法(如梯度下降)更新参数,减少误差。
  • 收敛:反复迭代后,参数稳定到能较好拟合数据的值。

(六)、模型的关键特性

  • 泛化能力:模型在未知数据上的表现(避免“死记硬背”训练数据)。
  • 可解释性:简单模型(如线性回归)容易理解,复杂模型(如深度学习)常被视为“黑箱”。
  • 计算成本:参数越多,模型越强大,但需要更多算力和数据。

(七)、模型的局限性

  • 数据依赖:模型的表现高度依赖训练数据的质量和多样性(“垃圾进,垃圾出”)。
  • 无真实理解:即使模型能生成流畅文本,也不理解语言的含义(如ChatGPT不知道“苹果”是水果还是公司)。
  • 静态知识:传统模型的知识截止于训练数据的时间点(需定期重新训练)。
继续阅读“AI什么是模型?什么是参数?什么是大模型?什么是通用模型?什么是推理模型?”

AI是什么,真的会思考吗?

一、AI是什么?

人工智能(Artificial Intelligence),英文缩写为AI

AI是通过计算机系统模拟人类智能的技术,能够执行通常需要人类智能的任务,如学习、推理、问题解决和语言理解。

二、AI真的会思考吗?

1、AI的“思考”本质是模式匹配

AI的“智能”本质是对人类行为的统计学模仿,而非真正的思考。

它像一面高度复杂的镜子,反射出人类知识和语言模式,但没有自我意识。

理解这一点,既能欣赏AI技术的强大,也能避免对它的过度神话或恐惧。

  • 数据驱动:AI(如DeepSeek、ChatGPT)通过分析海量数据中的统计规律,学习如何回答问题或生成文本。
    例如,它发现“天空”常与“蓝色”“云朵”等词共现,便学会在特定上下文中使用这些词。
  • 无理解能力:AI并不理解“天空为什么是蓝色”,它只是根据训练数据中人类对类似问题的回答模式,
    组合出合理的文本。就像一台高级的“拼图机器”,按规则拼接已知碎片。

2、AI的“决策”是数学优化

目标函数驱动:AI的行为受预设的数学目标控制,如:语言模型:目标是最佳化“预测下一个词的概率”。围棋AI:目标是“最大化胜率”。

无主观意图:AI不会自主设定目标(如“我想赢”),所有行为都是通过梯度下降等算法,向预设的数学目标逼近。

继续阅读“AI是什么,真的会思考吗?”

反腐要闻2025

数据来源于https://www.ccdi.gov.cn/
2025-09-02 整理
中国铁路乌鲁木齐局集团有限公司副总经理龙东升接受审查调查 2025-09-02
中石化胜利石油工程有限公司原党委书记张洪山接受审查调查 2025-09-01
青岛市政府原党组成员、副市长吴经建被开除党籍 2025-09-01
辽宁省沈阳市大东区委副书记刘大威接受审查调查 2025-09-01
辽宁省人大社会建设委员会原副主任委员孙东克被开除党籍 2025-09-01
甘肃省人大常委会社会建设工作委员会原副主任周应军被开除党籍 2025-09-01
广西壮族自治区党委组织部分管日常工作的副部长崔佐钧接受审查调查 2025-08-31
重庆市政协党组成员、秘书长蓝庆华接受审查调查 2025-08-31
安徽合肥新站高新技术产业开发区党工委原书记黄卫东被开除党籍和公职 2025-08-31
重庆市武隆区委副书记、区长左军接受审查调查 2025-08-30
原贵州省扶贫办党组书记、主任叶韬接受审查调查 2025-08-29
新疆生产建设兵团第三师图木舒克市原市长姚小钦接受审查调查 2025-08-29
苏州工业园区管委会主任吴宏接受审查调查 2025-08-29
山西焦煤集团原副总经理杨新华接受审查调查 2025-08-29
江西省上饶市原副市长蔡宜萍被”双开” 2025-08-29
江西省萍乡市委原常委、政法委原书记杨劲松被”双开” 2025-08-29
检察机关依法对刘满仓涉嫌受贿、利用影响力受贿案提起公诉 2025-08-29
湖南省怀化市人大常委会原副主任杨一中被开除党籍 2025-08-29
河南省商丘市人大常委会原主任张家明被”双开” 2025-08-29
海南省国资委党委副书记王有福接受审查调查 2025-08-29
国家税务总局四川省税务局总会计师陈宗贵接受审查调查 2025-08-29
广西壮族自治区人大法制委员会主任委员蒋家柏接受审查调查 2025-08-29
广东省湛江市人大常委会原党组书记邓振新被开除党籍 2025-08-29
甘肃省甘南州政协原党组书记、主席徐强被开除党籍 2025-08-29
重庆市政府参事曹清尧接受审查调查 2025-08-29
安徽省宣城市委常委、宣传部部长郭金友接受审查调查 2025-08-29
青海省总工会原党组书记、副主席陈志忠被开除党籍 2025-08-28
青海高新区管委会原常务副主任张福军接受审查调查 2025-08-28
甘肃省民航机场集团原董事长阮文易被开除党籍 2025-08-28
锻造高素质专业化审查调查队伍 2025-08-28
中国电信云南分公司原总经理苗逢源接受审查调查 2025-08-27

————↑↑↑—2025-09-02整理 NEW

Flexus L实例 2核2G2M 特价38元1年
云南省普洱市政协党组书记、主席陆平接受审查调查 2025-08-27
徐州医科大学党委副书记、校长郑骏年接受审查调查 2025-08-27
新疆维吾尔自治区公共资源交易中心副主任薛建强接受审查调查 2025-08-27
三堂会审丨准确认定违规从事营利活动违纪和受贿犯罪 2025-08-27
湖南省永州市原副市长唐克俭被”双开” 2025-08-27
广西壮族自治区梧州市市长李振品接受审查调查 2025-08-27
广东省社会科学界联合会专职副主席余鸿纯接受审查调查 2025-08-27
穿透租赁表象识别受贿本质 2025-08-27
浙江省交通投资集团副总经理邵文年接受审查调查 2025-08-26
河南省委巡视组原正厅级巡视专员张光明被开除党籍 2025-08-26
河南省南阳市人大常委会原党组副书记高贤信被”双开” 2025-08-26
海南省人大常委会原党组副书记、副主任刘星泰受贿案一审宣判 2025-08-26
中国农业银行原党委委员、副行长楼文龙受贿案一审宣判 2025-08-25
上海市闵行区原二级巡视员琚汉铮被开除党籍 2025-08-25
湖南省衡阳市人大常委会原副主任段志刚被开除党籍 2025-08-25
贵州省人大教育科学文化卫生委员会原委员石京山被开除党籍 2025-08-25
重庆市沙坪坝区政协党组成员贾宇接受审查调查 2025-08-24
原大同煤矿集团有限责任公司副总经理吴兴利被开除党籍 2025-08-23
中国铁路南昌局集团有限公司原副总经理黄少雄接受审查调查 2025-08-22
中国石油华油集团公司原副总经理罗中华接受审查调查 2025-08-22
中国农业银行原首席专家兼深圳市分行原党委书记、行长许锡龙被开除党籍 2025-08-22
江苏省南京市人大常委会原副主任臧正金接受审查调查 2025-08-22
吉林省白城市人大常委会党组成员、副主任张伟接受审查调查 2025-08-22
河北省发展和改革委员会原主任陈永久接受审查调查 2025-08-22
海南省农业农村厅党组书记、厅长何琼妹接受审查调查 2025-08-22
海南省海口海事法院原党组书记、院长彭晓敏被开除党籍 2025-08-22
广西壮族自治区河池市委常委、副市长黄贤昌接受审查调查 2025-08-22
中国工商银行安徽省分行原副行长梁延国接受审查调查 2025-08-21
继续阅读“反腐要闻2025”

孟子·齐桓晋文之事

齐宣王问曰:“齐桓、晋文之事可得闻乎?”

  孟子对曰:“仲尼之徒无道桓文之事者,是以后世无传焉,臣未之闻也。无以,则王乎?”

  曰:“德何如则可以王矣?”

  曰:“保民而王,莫之能御也。”

  曰:“若寡人者,可以保民乎哉?”

  曰:“可。”

  曰:“何由知吾可也?”

  曰:“臣闻之胡龁曰:王坐于堂上,有牵牛而过堂下者,王见之,曰:‘牛何之?’对曰:‘将以衅钟。’王曰:‘舍之!吾不忍其觳觫,若无罪而就死地。’对曰:‘然则废衅钟与?’曰:‘何可废也,以羊易之。’不识有诸?”

  曰:“有之。”

  曰:“是心足以王矣。百姓皆以王为爱也,臣固知王之不忍也。”

  王曰:“然,诚有百姓者。齐国虽褊小,吾何爱一牛?即不忍其觳觫,若无罪而就死地,故以羊易之也。”

  曰:“王无异于百姓之以王为爱也。以小易大,彼恶知之?王若隐其无罪而就死地,则牛羊何择焉?”

继续阅读“孟子·齐桓晋文之事”

为学一首示子侄

彭端淑 清

天下事有难易乎?为之,则难者亦易矣;不为,则易者亦难矣。人之为学有难易乎?学之,则难者亦易矣;不学,则易者亦难矣。

吾资之昏,不逮人也;吾材之庸,不逮人也;旦旦而学之,久而不怠焉,迄乎成,而亦不知其昏与庸也。吾资之聪,倍人也;吾材之敏,倍人也;屏弃而不用,其与昏与庸无以异也。圣人之道,卒于鲁也传之。然则昏庸聪敏之用,岂有常哉?

蜀之鄙有二僧:其一贫,其一富。贫者语于富者曰:“吾欲之南海,何如?”富者曰:“子何恃而往?”曰:“吾一瓶一钵足矣。”富者曰:“吾数年来欲买舟而下,犹未能也。子何恃而往?”越明年,贫者自南海还,以告富者,富者有惭色。西蜀之去南海,不知几千里也。僧富者不能至而贫者至焉。人之立志,顾不如蜀鄙之僧哉?

是故聪与敏,可恃而不可恃也,自恃其聪与敏而不学者,自败者也。昏与庸,可限而不可限也;不自限其昏与庸而力学不倦者,自力者也。