神经网络基本概念以及Pytorch实现，多线程编程面试题

继承（普通）

class Sharm(Hero):

pass

继承（加点自己的东西）

class Zina(Hero):

def init(self, money, name, life_value, aggressivity, defensive):

Hero.init(self, name, life_value, aggressivity, defensive)

self.money = money

实例化

sharm = Sharm(“sharm”, 4000, 300, 400)

zina = Zina(200, “zina”, 4000, 300, 400)

运用方法

sharm.attack(zina)

print(“sharm的血量还剩：”, sharm.life_value)

print(“zina的血量还剩：”, zina.life_value)

4 深度学习的PyTorch代码实现模板

=======================================================================================

4.1 模板

import torch

官方步骤，约束我们必须这么做

当继承了这个，神经网络的主要结构便会继承进来

class ConvNet(torch.nn.module):

搭建卷积层的一些信息

def init(self):

super(ConvNet, self).init()

pass

动作

def forward(self):

pass

4.2 Torch的概念

Torch就是神经网络届的Numpy，Torch能将tentor放在GPU上加速运算，就像Numpy可以嫁给你array放在CPU中加速运算。

4.3 机器学习两类问题

• 回归问题（Regression）：让我的输出能够预测到我想到的值。