前言

最近需要做一个通过神经网络（LSTM）做情感分析的项目。第一步数据集就难住了，英文可以用 IMDB 的评论数据集，但是没有找到好用的中文数据集，就想着自己用爬虫爬一些数据。考虑了一下，决定用豆瓣的影评作为原始数据，一方面是和 IMDB 数据集类似，处理数据时可以借鉴一下，而且豆瓣影评带一个分数，可以方便标记数据，不用人工标记，但是得针对性的选一些电影的影评。

前言

PyTorch 是一个基于 Python 的深度学习平台，它简单易用上手快的同时功能十分强大。

本篇文章首先将介绍 PyTorch 的基本数据结构 Tensor 的一些操作；随后给出神经网络中的 HelloWorld 例子：用最经典的卷积神经网络（LeNet5）训练手写数据集 MNIST

场景

学生 Bob 把他的笔记本连接到宿舍的网络并请求一个 HTTP 页面。宿舍的网络链接连接到学校交换机，交换机又连接到学校路由器。

准备阶段一：DHCP UDP IP ETH

当 Bob 用网线将笔记本连接到网络端口后，没有 IP 地址他就不能做任何的事情，所以笔记本采取的第一个与网络相关的步骤是运行 DHCP 协议，从本地的 DHCP 服务器获取一个 IP 地址以及其它信息。

前言

在介绍一下的内容之前，先介绍两个表：R和 S，内容如下：

表 R

表 S

笛卡尔积

两个表的笛卡尔积定义为:

\begin{equation} R \times S = \{<t,g> \mid t \in R \quad AND \quad g \in S\} \end{equation}

线程的概念

为了减少程序并发执行的时空开销，使得并发粒度更细，并发性更好，把进程的两项功能（独立分配资源和被调度分派执行）分开得到线程。线程是操作系统进程中能够独立执行的实体，是处理器调度和分派的基本单位。