ladatascience ladatascience

## markdown-center-text.md

      
              1 file
            
          
              0 forks
            
          
                0 comments
              
            
              0 stars
            
          
                ladatascience
                / markdown-center-text.md
            
            
              Last active
              January 8, 2023 17:04
            
              
                Centrer du texte en Markdown. LIEN: https://ladatascience.fr/2023/01/08/centrer-son-texte-en-markdown/
              
          
    Texte centré

  
## 1-channel-to-3-channels-pytorch.py
import torch

x = torch.cat([x, x, x], dim=1) # où x est votre tenseur initial.

## fourier-transform.py
from scipy.fft import fft

y = fft(x) # x est un array numpy que vous avez défini au préalable.
y = y[:len(y)//2] # On coupe la réponse en deux, car la seconde moitié est en miroir avec la première, donc redondante.

## number-of-parameters-PyTorch.py
total_parameters = pytorch_total_params = sum(p.numel() for p in model.parameters())
print(f"Nombre de paramètres : {total_parameters:,}")

# model est un modèle que vous avez déjà défini à l'avance.

## pretty-print-numbers.py
nombre = 123456789
print(f"Voici mon nombre : {nombre:,}")

# Ceci va afficher 123,456,789

## one-optimizer-two-models-pytorch.py
import torch

parameters_list = list(model1.parameters()) + list(model2.parameters())
optimizer = torch.optim.Adam(params=parameters_list)

# Il suffit donc de concaténer les listes des paramètres des différents modèles que l'on veut optimiser.

## freeze-parameters-pytorch.py
for params in model.parameters():
  params.requires_grad = False

 # Où model est un modèle que vous avez déjà pré-défini.

## conda-remove-environment
conda env remove --name <NOM DE L'ENVIRONNEMENT>

# Par exemple, pour supprimer un environnement qui s'appelle venvconda, on fera:
# conda env remove --name venvconda

## conda-deactivate
conda deactivate

## python-version-virtual-environment
conda create --name <NOM DE L'ENVIRONNEMENT> python=<VERSION DE PYTHON>

# Par exemple, pour créer un environnement virutel appelé "venvconda" et avec une version 3.6.5 de Python, on utilisera:
# conda create --name venvconda python=3.6.5
	import torch

	x = torch.cat([x, x, x], dim=1) # où x est votre tenseur initial.
	from scipy.fft import fft

	y = fft(x) # x est un array numpy que vous avez défini au préalable.
	y = y[:len(y)//2] # On coupe la réponse en deux, car la seconde moitié est en miroir avec la première, donc redondante.
	total_parameters = pytorch_total_params = sum(p.numel() for p in model.parameters())
	print(f"Nombre de paramètres : {total_parameters:,}")

	# model est un modèle que vous avez déjà défini à l'avance.
	nombre = 123456789
	print(f"Voici mon nombre : {nombre:,}")

	# Ceci va afficher 123,456,789
	import torch

	parameters_list = list(model1.parameters()) + list(model2.parameters())
	optimizer = torch.optim.Adam(params=parameters_list)

	# Il suffit donc de concaténer les listes des paramètres des différents modèles que l'on veut optimiser.
	for params in model.parameters():
	params.requires_grad = False

	# Où model est un modèle que vous avez déjà pré-défini.
	conda create --name <NOM DE L'ENVIRONNEMENT> python=<VERSION DE PYTHON>

	# Par exemple, pour créer un environnement virutel appelé "venvconda" et avec une version 3.6.5 de Python, on utilisera:
	# conda create --name venvconda python=3.6.5