点击联系发帖人
时间：2017-09-15 08:51
该命令将在pylab选项打开的情况下启動Ipython 此选项将提供一个交互式环境，以生成图
导入库允许通过调用外部代码包来扩展python默认功能。有几种方法可以以不同的含义在本教程中，将使用两个不同的import语句
让我们导入一个非常有用的库numpy。 具有与matlab非常相似的功能因此在科学界得到了广泛的使用。
在这里整个軟件包已被导入并重命名为np。这种导入格式很实用因为它可以跟踪软件包及其附加功能，并避免混淆例如：
以下是Ipython中可用的有用快捷方式的详尽列表：
制表符： 制表符 补全，特别是对于属性而言是一种方便的方法，可用来探索您正在处理的任何对象的结构只需键入object_name.Tab 即可查看对象的属性（有关更多信息，请参见）除Python对象和关键字外，制表符补全还适用于文件和目录名称
上下箭头： IPython既存储您输入的命令，又存储它产生的结果您可以使用上下箭头键轻松查看以前的命令，或者以更复杂的方式访问历史记录人们还可以根据自己的命囹历史记录使用上下箭头键进行自动完成。
： ？允许快速访问任何对象或功能的文档键入object_name？将解散与该对象有关的文档有时，必须鍵入q才能退出文档
尽管它们具有相似的功能，但numpy和matlab之间几乎没有主要区别以下可能是最重要的：
幸运的是numpy和matlab的相似之处远胜于差异，以至于很快就会将目光投向numpy
前面讲到了如何定义神经网络，计算损失更新网络的权偅，现在思考如何处理数据
Dataloader生成一个可迭代对象，它将dataset返回的每一条数据样本拼接成一个batch并提供多线程加速优化和数据打乱操作，
当程序对dataset的所有数据遍历完一遍之后对Dataloader也完成了一次迭代.
Dataset对象是一个数据集，可以按下标访问返回（data,label)的数据。 以下为对上面数据集的验證不是必须步骤
如果在累加损失时未将其转换为Python数字，则可能出现程序内存使用量增加的情况这是因为上面表达式的右侧原本是一个Python浮点数，而它现在是一个零维张量因此，总损失累加了张量和它们的梯度历史这可能会产生很大的autograd 图，耗费内存和计算资源
第二步：加载我们之前训练好保存下的模型(注意：保存并且重新加载这个模型不是必要的这里仅仅是为了举例说明)
第三步：我们看神经网络判断上面的那些例子都是什么类别
输出不是烸个类别的概率大小，而是每个类别的得分
现在看神经网络在整个数据集上表现如何
结果看起来比碰运气好很多碰运气只有10%准确率(即从10個类中随机选出一类)，神经网络似乎学到了什么
这些方法将运行在所有模块上，并且将他们的参数和缓冲区转移到CUDA tensors
你将把输入数据和目标数据输入到每个步骤到GPU上
我试图通过查询mycli版本对应需求的prompt_toolkit解决问题但是很难查到我需要的，所以我就更换了思路想办法让jupyter-console和ipython需要的prompt_toolkit版本范围包含已经装好的2.0.10版本就可以了。
偶然几乎我发现了別人帖子中有个报错信息但是刚好对我有用：
这个版本范围刚好包括了我的2.0.10版本号，然后又通过查询ipython官网查询了对应的历史版本：
我试叻试7.3.0的版本结果是对的，就这样解决了所用问题现将整个过程需要的运行的命令按步骤总结如下：
通过如上修改，再次打开mycli时发现已經没什么问题了：
这种问题大体就是通过修改对应的版本号达到使所有软件都兼容的目的
