pickle

常用内置模块 一、time模块 在python中，时间分为3种 1.时间戳： timestamp，从1970年1月1日到现在的秒数， 主要用于计算两个时间的差 　 2.localtime： 本地时间 表示的是计算机当前所在的位置 　　3.UTC：世界协调时间 import time # 时间戳，以秒做单位 print (time.time()) # localtime 结构化时间 print (time.localtime()) # UTC时间 print (time.gmtime()) # 格式化时间 print (time.strftime( ' %Y-%m-%d %H:%M:%S ' , time.localtime())) # 时间戳--->结构化 print (time.localtime(time.time())) # 结构化--->时间戳 print (time.mktime(time.localtime())) time.sleep( 5 ) print ( ' weekup ' ) View Code 二、datetime模块 1、python实现的一个时间处理模块，time用起来不太方便， 所以就有了datetime 2、优点：datetime相比time，更灵活 3、timedelta表示时间差 　 两个时间差可以加减乘除 　 时间差和datetime

这篇将会着重介绍使用 pytorch 进行机器学习训练过程中的一些常见技巧，掌握它们可以让你事半功倍。 使用的代码大部分会基于上一篇最后一个例子，即根据码农条件预测工资🙀，如果你没看上一篇请点击 这里 查看。 保存和读取模型状态 在 pytorch 中各种操作都是围绕 tensor 对象来的，模型的参数也是 tensor，如果我们把训练好的 tensor 保存到硬盘然后下次再从硬盘读取就可以直接使用了。 我们先来看看如何保存单个 tensor，以下代码运行在 python 的 REPL 中： # 引用 pytorch >>> import torch # 新建一个 tensor 对象 >>> a = torch.tensor([1, 2, 3], dtype=torch.float) # 保存 tensor 到文件 1.pt >>> torch.save(a, "1.pt") # 从文件 1.pt 读取 tensor >>> b = torch.load("1.pt") >>> b tensor([1., 2., 3.]) torch.save 保存 tensor 的时候会使用 python 的 pickle 格式，这个格式保证在不同的 python 版本间兼容，但不支持压缩内容，所以如果 tensor 非常大保存的文件将会占用很多空间，我们可以在保存前压缩

这篇将会着重介绍使用 pytorch 进行机器学习训练过程中的一些常见技巧，掌握它们可以让你事半功倍。 使用的代码大部分会基于上一篇最后一个例子，即根据码农条件预测工资🙀，如果你没看上一篇请点击 这里 查看。 保存和读取模型状态 在 pytorch 中各种操作都是围绕 tensor 对象来的，模型的参数也是 tensor，如果我们把训练好的 tensor 保存到硬盘然后下次再从硬盘读取就可以直接使用了。 我们先来看看如何保存单个 tensor，以下代码运行在 python 的 REPL 中： # 引用 pytorch >>> import torch # 新建一个 tensor 对象 >>> a = torch.tensor([1, 2, 3], dtype=torch.float) # 保存 tensor 到文件 1.pt >>> torch.save(a, "1.pt") # 从文件 1.pt 读取 tensor >>> b = torch.load("1.pt") >>> b tensor([1., 2., 3.]) torch.save 保存 tensor 的时候会使用 python 的 pickle 格式，这个格式保证在不同的 python 版本间兼容，但不支持压缩内容，所以如果 tensor 非常大保存的文件将会占用很多空间，我们可以在保存前压缩

什么是GIT？ Git是一个免费、开源的版本控制软件，目前世界上最先进的分布式版本控制系统（没有之一） 什么是版本控制系统？ 版本控制是一种记录一个或若干个文件内容变化，以便将来查阅特定版本修订情况得系统。 系统具体功能 　　　　记录文件的所有历史变化 　　　　随时可恢复到任何一个历史状态 　　　　多人协作开发或修改 　　　　错误恢复 版本控制的工具： 　　- svn 集中式版本控制系统 　　- git 分布式版本控制系统 集中式vs分布式 CVS及SVN都是集中式的版本控制系统，而Git是分布式版本控制系统，集中式和分布式版本控制系统有什么区别呢： 集中式版本控制系统，版本库是集中存放在中央服务器的，而干活的时候，用的都是自己的电脑，所以要先从中央服务器取得最新的版本，然后开始干活，干完活了，再把自己的活推送给中央服务器。 中央服务器就好比是一个图书馆，你要改一本书，必须先从图书馆借出来，然后回到家自己改，改完了，再放回图书馆。 集中式版本控制系统最大的毛病就是必须联网才能工作。 分布式版本控制系统根本没有“中央服务器”，每个人的电脑上都是一个完整的版本库，这样，你工作的时候，就不需要联网了，因为版本库就在你自己的电脑上。 既然每个人电脑上都有一个完整的版本库，那多个人如何协作呢？比方说你在自己电脑上改了文件A，你的同事也在他的电脑上改了文件A，这时

<h2 id="toc_0">list (修改列表的索引值)</h2> <h3 id="toc_1">循环一个列表时，最好不要对原列表有改变大小的操作，这样会影响你的最终结果。</h3> <pre class="line-numbers"><code class="language-python">#使用负索引进行修改列表 print('First') lis = [11, 22, 33, 44, 55] print(lis) for num in range(len(lis)-1,-1,-1): if num % 2 != 0: lis.pop(num) else: print(lis) </code></pre> <pre class="line-numbers"><code class="language-python">#使用步长进行修改列表 print('Second') lis = [11, 22, 33, 44, 55] print(lis) del lis[1::2] print(lis) </code></pre> <pre class="line-numbers"><code class="language-python">#添加新的列表进行修改 print('Third') lis = [11, 22, 33, 44, 55] print(lis) new

原文地址https://blog.csdn.net/zouxy09/article/details/48903179，但里面使用Python2 写的，有些库在Python3已经不能用了，做了稍微的改变 1.Python3 没有cPickle import cPickle as pickle 改成 import pickle 2. Python3，默认的编码格式是utf-8， sys . setdefaultencoding 不存在了， 所以移除 reload(sys) sys.setdefaultencoding( ' utf8 ' ) 3. 把 train, val, test = pickle.load(f) 改成 train, val, test = pickle.load(f,encoding= ' bytes ' ) 否则会出现这样的错误 UnicodeDecodeError: ' ascii ' codec can ' t decode byte 0x90 in position 614: ordinal not in range(128) 安装 一、概述 机器学习算法在近几年大数据点燃的热火熏陶下已经变得被人所“熟知”，就算不懂得其中各算法理论，叫你喊上一两个著名算法的名字，你也能昂首挺胸脱口而出。当然了，算法之林虽大，但能者还是有限