线性回归应该是神经网络所能处理的最简单的问题，通过此问题我们可以了解神经网络的基本流程。
1.准备训练数据集
生成一堆直线上取的散点，并且用随机数给它产生噪声
import randompath = r'D:\python\torch_study\datasets\liner.csv'with open(path,'w') as f: for i in range(0,1000,1): x = i*0.1 y = (random.random()-0.5)*0.1 + 2*x f.write('%f,%.4f\n' % (x,y))
关于pycharm的技巧
在File选项卡中可以打开设置，如果出现了奇奇怪怪的运行环境报错可以试着看看这里解释器有没有问题
2.忽略大小写
很多时候写程序时单词的大小写错误，有时就会让pycharm无法给出正确的代码提示，通过更改一个设置就能忽略大小写。(最终写出来的程序还是要区别大小写，只是代码提示时集成开发环境会忽略大小写来进行检索)
将这个取消勾选就能忽略大小写
我向来是佩服那种学习程序设计时纯靠死记硬背的，记忆力惊人啊。但是，把大脑的实力用在死记硬背上属实是浪费资源了，写程序从始至终都不是坐牢。
众所周知，matplotlib.pyplot是Python中最常用的绘图库之一，它提供了丰富的接口来绘制各种类型的图表。也是考点之一(我只能说海龟画图是有点搞笑的), 所以我们从一个最简单的图像(y=x^2)开始说这个库的使用
导包(一般情况下用上numpy辅助会使计算更加简便)
import matplotlib.pyplot as plt
import numpy as np
网络爬虫的核心就是模拟浏览器，从服务器上请求数据，因此在进行网络爬虫的设计之前，我们需要搞清楚你所需要的数据从何而来，搞清楚数据是通过何种方式传输到浏览器上的。
目前来看，一个网站应用的架构分为3个部分:前端、后端、数据库。前端就是运行在我们浏览器上的html，css，js等前端程序，而网络爬虫就是通过模拟前端程序的运行逻辑来实现数据的获取。而我们这个获取数据的方式取决于后端程序通过什么方式发送数据，目前来看，大致存在两种方式进行数据的传输:一种是同步传输(直接把数据写在网页的html文件上发到浏览器上)，另一种是异步传输(通过xhr等方式将某些数据交换格式(一般为json)发送到浏览器，并在js程序的处理后渲染到网页上)。网络爬虫的核心就在此。
声明:本文旨在多快好省地帮助无基础但是又要应付期末作业的学生，大佬勿喷！
在我们python程序设计的期末作业中，要求使用sqllite数据库，但是关系型数据库的操作对于新手来说却是一件较为困难的事情，于是就有了这个勉强能对付期末作业的数据库框架
1、关系型数据库的结构
对于关系型数据库来说，顶层的结构是数据库(可以理解为excel表格的工作簿)，接下来是数据表(可以理解为excel表格的工作表)，数据表中又包含各个字段(相当于表格的列，但是每个字段都有确定的数据类型)，每个字段一组确定的值称为记录(相当于表格的行)。
所以，数据库的操作就是一个创建表，然后在表中进行增删改查的过程。
声明:这个是写给一点都不会的人看的，懂哥勿喷
示例题目:
从 教务处信息网.html 文件中获取文章标题与链接 并且存入result.csv
需要处理的标签格式如下
<a(一个及以上空格)href="(链接)"(一个及以上空格)target="_blank"(一个及以上空格)title="(标题)">
首先我们对这个题目进行分析，要从文件中提取出上述信息，必然会用到正则表达式对整个html文件进行匹配，然后将匹配结果写入csv文件
所以，我们整个任务的重点就是正则表达式的写法，以及对csv文件的写入