转移训练就是在已经训练好的模型上通过少量新数据再对模型进行调参，从而训练出一个新模型，使之可以运用于特定任务，有点类似于初级版的fine-tune。由于也是调参，所以转移训练和全新训练的过程大差不差，大致为以下： 预处理数据 (transform) 建立数据集 (dataloader) 准备，调整模型 (model) 开练 得到结果 预测 顺便介绍一个我觉得很好用的PyTorch学习资源 引

0. 一些表述问题 通过一个类来访问另一个类的成员，通常指的是在类的外部通过派生类直接访问基类的数据成员 1. 绪论 下面是生存周期 static - 静态，单文件内 external - 静态，全局默认，可以跨文件访问 register - 不知道是个啥 auto - 局部变量的默认生存周期，到点就亖 switch就算没有break也可以正常退出 2. 数据流啊？ typedef -

由于众所周知的原因，下载一些资源的时候需要代理，下面是几种常见情况的代理设置 终端 macOS终端和Windows终端是一样的。首先打开命令行的rc文件，macOS一般为~/.zshrc（用的zsh环境），Linux一般为~/.bashrc（用的bash环境），没有就新建一个。在文件末尾加上以下配置 12alias proxy='export all_proxy=socks5://127

项目地址 Github：https://github.com/stephen-zeng/Mobile-Mouse/ Gitee：https://github.com/stephen-zeng/Mobile-Mouse/ QQ空间吃链接是真的蚌埠住🤣 调用的框架&编译框架 Qt - 项目大框架，负责调用蓝牙通信，处理传感器数据，连接前后端 GUI - 使用QtQuick，类CSS与JS语

以下如何实现QML对C++数据的双向访问 C++需要准备的工作 对于每一个变量，需要以下工作： 一个读取函数 (Read) ，用于返回C++的数据给QML 一个写入函数 (Write) ，用于将QML给的数据写进C++的数据中，使用传参 一个通知信号 (Changed) ，在数据交换时执行，用于执行下一步。信号需要在上级cpp文件中做好连接工作 在cpp文件中定义QML能访问的变量 12Q_P

这些类型在QML中可以被使用，C++的标准类型不一定可以使用 基本数据类型 类名 作用 QString 表示Unicode字符串 QByteArray 表示字节数组，用于存储二进制，类似于二进制版的QString QChar 存储单个Unicode字符 qreal 一种跨平台的浮点类型 qint8(16, 32, 64), quint8(16, 32, 64) 整数类

主体 名称 作用 类型 discoveryAgent 扫描设备用的实例 QBluetoothDeviceDiscoveryAgent controller BLE连接示例，负责发现服务，连接设备 QLowEnergyController service BLE服务示例，负责连接服务 QLowEnergyService 基本流程 扫描设备（开始，出错，完成，取消） 连接

获得Github的授权 只有在获得Github授权之后才能同步本地和Github的仓库数据，这里使用Personal Access Token进行授权，不用SSH。首先当然是要获取到一个PAT了，链接是这个👉🏻https://github.com/settings/tokens 获取到链接后，在用户Home根目录执行以下命令配置Credential 12git config --global

概念 多层感知机是一种最简单的深度网络，分为输入层，隐藏层和输出层，其中隐藏层的每一层都有很多节点，每个节点代表一个变换（计算方法），包括常用的两个参数，即weight（权重）和bias（偏置量） 隐藏层 ¶基本原理 由于输入层输入的数据（如图片的像素，声音的频率等）和输出层（如分类概率，判断等）之间难以找出直接的联系，因此引入隐藏层来讲输入特征进行特征提取，形成一个隐藏层，然后再将隐藏层的结果输

题头 在PyTorch学习的第一阶段，我基本上掌握了加载，训练，使用，保存模型的基本方法，下面对使用到的函数和方法进行一个阶段性的总结。这篇文章全程在typora里面完成，没有任何代码提示，算是默写，但也没有经过测试。 初始化 初始化一般是导入模型，引入最基本的库，设置运行设备等等。 ¶引入最基本的库 1234# 这些都是有关pytorch的大头import torchimport torch.n