HuggingFace管道工具
友情提示：由于HuggingFace社区触犯了天朝的某些法律，有关HuggingFace系列的内容中，提到“冲浪板”就指科学上网，需要借助国外旅游工具。
管道工具管道工具是指已经训练成熟的模型，即使照搬过来不做任何处理也能发挥很好的效果。不过要注意，第一次使用管道工具需要加载，后续使用时，即便本地已经保存，依然需要冲浪板。
使用管道工具文本分类123456from transformers import pipelineclassifier = pipeline('sentiment-analysis')result = classifier('I hate yo
HuggingFace数据集工具
友情提示：由于HuggingFace社区触犯了天朝的某些法律，有关HuggingFace系列的内容中，提到“冲浪板”就指科学上网，需要借助国外旅游工具。
数据集的加载和保存在线加载数据集该操作需要冲浪板。
12345from datasets import load_dataset#加载glue数据集dataset = load_dataset(path='glue',name='sst2',split='train')#path是数据集名字，name指定数据集子集，split指定加载部分。dataset
1234Dataset(&
HuggingFace编码工具
友情提示：由于HuggingFace社区触犯了天朝的某些法律，有关HuggingFace系列的内容中，提到“冲浪板”就指科学上网，需要借助国外旅游工具。
加载编码工具下面这段代码加载了一个名为”bert-base-chinese”的中文编码工具。
123456from transformers import BertTokenizertokenizer = BertTokenizer.from_pretrained(pretrained_model_name_or_path='bert-base-chinese', #工具名称。cache_dir=None,
CSS（三）伪类、伪元素选择器
伪类选择器种类最多最复杂的选择器。
动态伪类:link表示未被访问的状态。:visited表示已被访问过。:hover表示鼠标悬浮在该元素上。:active表示元素激活状态。:focus表示获取焦点。
12345678910111213141516a:link { color: orange;}a:visited { color: red;}a:hover { color: green;}a:active { color: pink;}input:focus { color: orange;
CSS（二）复合选择器
集合选择器交集选择器选择同时符合多个条件的元素。直接排列就代表且的意思。
1234/*选中标签为p并且类名为class_value1和class_value2的元素*/p.class_value1.class2_value2 { color: red;}
为什么能直接排列？首先如果有标签名那么标签名必须写在第一位，其余后面的不管是类值还是id值，都带有天然的分隔’.’或者’#’。而且后面不会再跟其他标签，因为一个标签就是一个标签，不可能还含有另一个标签。
并集选择器选择满足选择器条件中任意一条的元素。‘,’就代表或的意思。
123456/*选择标签为p，类名为class_
CSS（一）样式与基本选择器
CSS的编写位置行内样式直接添加在标签的属性内。
12345678910<!DOCTYPE html><html lang="zh-CN"> <head> <meta http-equiv="content-type" content="text/html; charset=utf-8" /> <title>行内样式</title> </head> <body> <h1 style="color:re
数据预处理方法
首先，最重要的一点，所有的数据(不管是表格、图像、文本)都要转化成张量。
经典数据集这里的经典数据集是指可以直接用pytorch中的torchvision下载和直接使用的数据集，如MNIST,CIFAR。这些数据这些数据都可以直接用torch.utils.data.DataLoader加载。
12345678910import torchimport torchvisionfrom torch.utils import datafrom torchvision import transformstrans = transforms.ToTensor() #在导入数据时直接转为张量。mnis
神经网络实战项目——MNIST手写数字识别
数据集数据集介绍MNIST是一个手写数字的数据集，专门用于进行深度学习训练，属于是深度学习中的”Hello World”，已经算是经典中的经典。其中有60000个训练集和10000个测试集，每个数据包含了28×28的灰度图像和对应的标签0~9。
获取数据集12345678import torchvisionfrom torchvision import transformstrans = transforms.ToTensor() #将图像数据直接转为张量。#root指定数据路径，train指定训练集或测试集，transform指定转换格式，download表示是否需要下载，下载一次就可以了
神经网络的结构与搭建
神经网络层利用Pytorch可以快速建立神经网络的层。
全连接层123456import torch.nn as nn #以后调用torch.nn就用nn，约定俗成的。import torchx = torch.tensor([1.,2.,3.])fc = nn.Linear(in_features=3,out_features=5) #实例化一个全连接层。y = fc(x)y
1tensor([ 0.0927, 0.6689, 1.1373, -1.7523, -0.4160], grad_fn=<AddBackward0>)
卷积层1234567891011121
张 量
张量张量是什么张量(tensor)是深度学习中最重要、最基本的一种数据结构，由数字组成，类似于Python中的列表，也可以进行多层嵌套。说得通俗一些，就是向量里面继续嵌套向量，再嵌套向量。所以数学中的向量、矩阵都可以称为张量。
列举几个张量这里用列表的格式表示张量:a = [1,2,3] 是一个形状为[3]的一维张量。b = [[1,3,1,2],  [2,5,4,3]] 是一个形状为[2,4]的二维张量。c = [[[1,2,5,6],  [3,4,3,2],]  [[6,7,3,2], &e
