在使用Pytorch搭建多层CNN网络结构时，需要调整各层输入参数，一般输入参数可以通过计算获得，但是会比价麻烦，特别是遇到填充和修改步长之后。其实没那么复杂，只需要在定义完模型之后，模拟输入数据，就可以获得各层的输出。

激活函数，也叫激励函数，对于神经网络模型学习、理解复杂数据，具有十分重要的作用。让神经网络可以描述非线性问题的步骤，使神经网络变得更强大。通俗解释，激活函数的作用就是使重要的信息被激励，不重要或者反向的信息被抑制。

在训练深度学习模型之前，样本集的制作是非常重要的环节。在pytorch中，提供了一些接口和类，方便我们定义自己的数据集合，按照对应格式自定义数据集，才可以使用DataLoader加载数据，下面是自定义样本集的整个流程。

CIFAR-10 数据集，是为数不多的可以用笔记本跑的深度学习数据集，总共有6w张彩色图片，图片大小为32x32，分为10类，其中5w张训练集，1w张测试集，本文主要介绍在Pytorch中使用该数据集的方法。

TF-IDF（term frequency–inverse document frequency）是一种常用于NLP的统计方法，用以评估一字词，对于一个语料库中的某一份文档的重要程度。该词重要性，跟它在文件中出现的次数成正比，但同时跟它在语料库中出现的频率成反比。本文介绍使用TF-IDF提取文档关键词的方法。

上节中，一起手写了KNN算法，算法本身不难，但比较麻烦。在真实开发场景中，一般都是使用调包的方式，来处理类似大众化的问题。本节介绍使用sklearn实现KNN算法，并针对KNN算法存在的问题，使用KDtree算法进行一个简单优化。

KNN（K-Nearest Neighbor）近邻算法是机器学习算法中最基础、最简单的算法之一，是一种有监督学习算法。它既能用于分类，也能用于回归。KNN的工作原理，是当预测一个新的值x时，根据它距离最近的K个点是什么类别，来判断x属于哪个类别。

最近在用 Pandas 处理数据的时候，遇到一个需要对某个 DataFrame 值，进行自增累加的操作，踩了一个 NaN 的坑，记录一下。

我把Python编辑器从Pycharm，换成了VSCode，最近遇到了不少问题，其中一个就是Mac系统下VSCode调用matplotlib不显示图像，折腾了很久，一度让我产生放弃VSCode的想法，好在最后还是解决了，下面记录一些解决方案。

最近我在看国外的Django视频，发现他们都用Vscode，写代码也很溜，所以我也尝试了一下，还不错，这样正好把我的不同语言的项目都集合到一起了，不用一个语言一个IDE。下面是我在配置的时候，遇到的一些问题，做个简单记录。

前端CSS要实现毛玻璃效果，自然离不开filter和backdrop-filter属性，而且backdrop-filter似乎更好用，问题也就处在这个属性上，我整个页面只有最外层容器用到了这个效果，然后在html和body上，加了一些无关紧要的伪类。

幸好，我偶然发现了一个Chrome的超神功能：实时字幕。顾名思义，这个功能可以为网页视频实时生成字幕，当你打开视频网站、播放视频的时候，Chrome 就可以自动识别其中的音频，并生成字幕！

自从习惯了写Python代码后，遇到需要重复操作的场景，都会第一时间想到用Python写个程序自动完成。这不，前几天就遇到一个批量截图的需求，就准备用Python来搞定，搜索找到一个可以控制鼠标和键盘的库Pynput。

部署服务器的机会其实不多，没有谁没事天天折腾服务器玩，一般就是部署好了，后面只更新代码，服务器越稳定越好。刚好买了新服务器，借这个机会整理一下从拿到一个新机器，到项目代码部署上线的完整过程，供新手朋友们参考。

前几天，我在用Pandas写一个简单的量化选股策略时，最后想把筛选出的数据，导出到csv里面。最简单的实现方法，就是创建一个空DataFrame的方法，然后逐条插入数据，最后写入到csv文件。

前一段时间，在猿编程讲师岗前培训中，有学员问到在pgzero里面，为什么 import pgzrun 之后，music、mouse、keyboard这些模块就能自动加载，不需要import，就能直接使用了。

18年之后，就开始用UI框架，前后主要用过Bootstrap、Bulma、Tailwindcss三个框架，中途还自己封装了一个，但功能不是很完善，就废弃了，还是用主流的开源框架省事。

Python开发中，系统默认的IO交互形式过于单一，所以找到了一个比较容易上手的EasyGui库。这个库是基于Tkinter封装的，所以要保证环境支持Tkinter。虽然很丑，但也勉强能用。

陈华编程的程序已经一年多没更新了，我也一年多没写php了。最近在录一个Python的基金看板的课程，所以也想把这个运用集成到陈华编程的网站里面来。其中有一个场景，就是定时爬取基金和大盘数据，然后更新库再展示。

最近录制了一个《Python爬虫+Flask基金看板项目》，本来是手把手教用Python开发的这个项目的。但有一些不懂编程，但对基金感兴趣的朋友，想用这个看板功能，所以写一个简单的使用指南，供参考。