Rovy

大语言模型 In-context Learning 范例 Instruction tuning Chain of Thought Let's think step by step. 大模型顿悟现象 绘

题目链接 813. 最大平均值和的分组 心路历程 时间 （2022年11月27日--2022年11月30日） 每天大概2h 回溯法 前段时间，用了两个月的时间，参加了代码随想录的训练营。每天花费了3个

第1章 数据描述性分析 上机：1.1、1.7 第2章 非参数秩方法 上机：2.4、2.10 第3章 回归分析 上机：3.3、3.6 第4章 主成分分析与因子分析 上机：4.5 、 第5章 判别分析 上

```python import torch import torch.nn as nn import torchvision import torchvision.transforms as tra

第1章 数据描述性分析 上机：1.1、1.7 第2章 非参数秩方法 手写：2.1（1）、2.7（1）、2.9（n=4） 上机：2.4、2.10 第3章 回归分析 手写：3.1 (1) (2) 上机：3

Training Transforms Datasets Testing and generate prediction CSV

(未完) import torch import torch.nn as nn import numpy as np def softmax(x): return np.exp(x) / n

收获（源于学长代码讲解） 打断点 之前也知道程序要打断点，就比如刷力扣的题目。不过对于深度学习就没有想起来打断点的习惯。一个特别大的好处是打断点之后，就可以清晰地知道各个变量的数据类型，和具体的情况，

Transforms can be applied to PIL images, tensors, ndarrays, or custom data during creation of the Da