学习机器学习必然会学习到线性代数（里面的矩阵），因为不管是numpy还是tensor，又或者是torch，它们的数据结构和运算方式都类似于矩阵。然而有些函数我们是不太熟悉的，今天我们就来介绍一下pytorch矩阵拼接的函数——cat()和pytorch矩阵降维的函数——squeeze()吧。

这是我们学习 Python 及其在机器学习 (ML) 和人工智能 (AI) 中的应用系列的第四个模块。在前面三个模块文章的学习，我们已经对Python相关基础知识有了了解。现在，我们可以开始学习Python中哪一些库可以用来处理AI和ML任务。

如果说当下最热门的语言，那非属 python 不可。如果说 python 最火热的方向是哪个，那么爬虫绝对有一席之地。现在的许多 python 培训课程，都喜欢拿 python 爬虫来增加学员的学习兴趣。那么，怎么用 python 爬取数据？小编接下来带你了解一个 python 爬虫的开发流程。

相信不少小伙伴的python期末大作业都是实现一个什么什么系统。以小编当时的C语言程序设计期末大作业为例，就是用C语言实现一个图书管理系统。现在学python了我们就可以用python实现图书管理系统了。接下来这篇文章我们从图书管理系统需求分析做起，分析一个图书管理系统需要哪些功能，然后通过代码实现他。

在进行深度学习的模型训练的时候，很多小伙伴的电脑的配置可能不是那么优秀，在该阶段要花费很多的运行时间。但在学习深度学习的过程中，有时候我们其实并不需要模型拥有太高的精度，这时候我们就可以设置通过降低精度的方法减少运算量，这就是pytorch加速模型训练的办法，那么pytorch如何设置精度呢？通过下文的学习，你将学会pytorch怎么部署半精度模型。

在一个矩阵中，0是一种特殊的存在，所以为了对数据区分有时候我们需要找出矩阵中的非零元素。numpy是一种常用的矩阵运算的python库。numpy使用nonzero可以轻松的找出非零元素。那么具体该怎么操作呢，阅读下文你会得到答案。