以下为notebook直接转化为markdown，在macOS上可以运行。 可以在这里试试直接在Google Colab里运行，理论上也行👉🏻https://drive.google.com/file/d/1CjHEb3ZspR_3qbHjJgenfrGmeJC75nF8/view?usp=sharing 下面的内容主要是CNN的初级训练和使用，初学者所为，大佬门看个乐子就行🤪 PyTorc

前言 众所周知，炼丹一般是在老黄的卡上跑的（人话：一般在NVIDIA显卡上训练模型），但是作为果果全家桶用户+ML初学者，其实M芯片的GPU也可以用来GPU加速，效果指不定还比Google Colab上面分给你的T4要快。而PyTorch早在2022年就支持M芯片的GPU加速了，老黄的卡叫CUDA，果果的GPU就叫MPS (Metal Performance Shaders)，下面来看看怎么开启。

这里的图标适用于所有使用VSCode图标样式的编辑器，包括Google Colab。最近在学习ML，懂得提示图标的含义可以很方便地了解一个Object的用法。 以下图标以Python为例来解释，将持续更新 局部变量 成员变量 属性 模块 方法 函数

以下是notebook直接转换成markdown，在Google Colab上可以正常执行。 可以在这里直接进入👉https://colab.research.google.com/drive/1Xf0wMvc_bG-bMMewme__oDXtE5KmmBCG?usp=sharing 下面的内容为经典的ML应用：classification，分类。 Some hyperparameters（Fo

以下都是notebook直接转换成markdown，在Google Colab上验证可以正常执行。 可以在这里直接进入👉https://colab.research.google.com/drive/1TDM6Vz5efbjTzvXcn1RQMhF5iijg8pzm?usp=sharing 下面的内容是pytorch训练的一般的工作流 Initalize 1234import torchimpo

以下是notebook直接转换成markdown，在Google Colab上可以正常执行。 可以在这里直接进入👉https://colab.research.google.com/drive/1oSCI36tAQq9gfTaHmG5PyDwcPzA1P_pl?usp=sharing 内容为pytorch和ML的入门经典内容，各位可以康一康哈，但是主要以笔记为主，因此会有些中英参半 Basic

比较零散，真就是笔记和理解了，没有教程性质。教程可以去看表严肃的课 不要将function看做纯粹的函数，而要把它看做一个object对象，但其实它还是个函数，只是作为构造器存在。因此，操作时以.来连接。 继承上一级的prototype： 1Laptop.prototype = Object.create(Computer.prototype) 恢复构造器 1Laptop.prototyp

总起 语法和C++很像！对于我这种前OIer选手比较友好。 结合了很多Python的优点，相对方便（比神™C++好使多了） 对大小写要求很严格，需要注意 ¶输出调试 1console.log(a,b,c,d); 按F12进入开发人员工具，进入Console即可查看 数据 ¶类型 类型 含义 举例 值 Number 数字 2, 0.123, 1e7 \ string 字符串

图片来源：表严肃https://biaoyansu.com/ 这上面的课讲得挺好的，建议去听一听。 id选择器 123#id1 { ...} 元素选择器 123h1 { ...} 类选择器 123.class { ...} 属性选择器 1234/* 以botton的属性为例 */[title="abc"] {

显示 属性为display 值 含义 block（默认） 块级元素 inline 行内元素 inline-block 行内块元素 框 属性 值 含义 height, width ~px 高，宽 padding ~px 内边框 border ~px {solid, dotted（点线）, dashed（虚线）, } {color} 边框 marg