深度学习中一些好的博客
pandas中的基本知识
假设我们的pf是一个pandas的结构
- pf.column_name
- df[‘column_name’]
- df.loc[:, ‘column_name’]
- df.iloc[:, column_index]
如果想将 pandas 中的数据转换为 NumPy 格式，你可以使用 .values 或 .to_numpy() 方法。
反向传播
想要有grad，首先requires_grad=True，我们的叶子节点才会保留计算的结果，并且我们还需要backward后才会计算出梯度
注意我们的向量对标量的梯度和向量对向量的梯度
反正一切的计算都是基于标量对标量的梯度上的
本身我们的输出可以看作多个输出并行组成的列表，
[
z
1
,
z
2
,
.
.
.
,
z
n
]
[z_1 , z_2, ...,z_n]
[z1,z2,...,zn],我们会对我们各自路径上的
y
1
,
x
1
y_1,x_1
y1,x1 进行求导计算，独立进行
博客1
