本目录主要为Python相关目录，主要包含Python相关知识、神经网络与深度学习和毕业设计（基于机器学习及深度学习的心脏病预测方法）的Python实现等。
上文目录链接：https://blog.csdn.net/didi_ya/article/details/124609166，该目录主要介绍MATLAB相关知识。
文章目录
一、Python相关软件保姆级安装教程
- Sublime Text安装及插件安装
- Sublime Text3如何配置Python交互式命令行？
这里我已经不推荐安装Sublime Text了，因为它的交互式界面实在做的太烂了！！！
如果想要安装编译器，建议安装vs code，轻量级，界面友好，参考下文 - VS Code大道至简——安装到配置
- VS Code输出窗口显示中文乱码的解决办法（汇总择优）
- Visdom库（pytorch中的可视化工具）安装问题的解决方案及使用方法详解
- Python入门之开发环境配置：Anaconda与PyCharm的安装详解
- 【Python基础】PyCharm配置Python虚拟环境详解
二、毕业设计（2）——基于机器学习及深度学习的心脏病预测方法
- 基于机器学习的心脏病预测方法（1）——心脏病及Heart Disease UCI数据集介绍
- 基于机器学习的心脏病预测方法（2）——Heart Disease UCI数据集可视化介绍
- 基于机器学习的心脏病预测方法（3）——数据预处理及评价指标介绍
- 基于机器学习的心脏病预测方法（4）——逻辑回归（Logistic Regression）
- 基于机器学习的心脏病预测方法（5）——随机森林（Random Forest）
- 基于机器学习的心脏病预测方法（6）——朴素贝叶斯（Naive Bayes）
- 基于机器学习的心脏病预测方法（7）——K最近邻算法（KNN）
- 基于机器学习的心脏病预测方法（8）——决策树（Decision Tree）
- 基于机器学习的心脏病预测方法（9）——支持向量机（SVM）
- 基于机器学习的心脏病预测方法（10）——卷积神经网络（CNN）
三、Python常见示例
四、Python常见问题汇总
- python库安装的时候常见问题
- 安装完Anoconda后，在命令行输入python出现“Warning:This Python interpreter is in a conda environment解决方案
- 安装Anaconda时忘记点击自动配置环境变量的解决方案/手动配置Anaconda环境变量方法
- RuntimeWarning: Glyph 20998 missing from current font.（matplotlib中文显示问题的解决方案）
- Python如何解决“AttributeError:module‘tensorflow‘没有属性‘get_default_graph‘”（附TensorFlow与Keras的对应关系）
五、PyTorch教程
- PyTorch安装教程
- PyTorch疑难杂症（1）——torch.matmul()函数用法总结
- PyTorch实战案例（一）——利用PyTorch实现线性回归算法（基础）
- PyTorch实战案例（二）——利用PyTorch实现线性回归算法（进阶）
- PyTorch实战案例（三）——利用PyTorch实现多层感知机算法
- PyTorch实战案例（四）——利用PyTorch实现卷积神经网络LeNet-5
- PyTorch重难点（一）——利用Dataset和DataLoader构建数据集原理介绍
- PyTorch重难点（二）——利用Dataset和DataLoader构建数据集代码实战
- PyTorch重难点（三）——详解PyTorch的自动求导（梯度）机制
- 以MNIST数据集为例，详解PyTorch搭建神经网络方法步骤（最详细）
六、神经网络与深度学习
6.1 神经网络基础知识
6.2 BP神经网络
6.3 卷积神经网络（CNN）
6.4 循环神经网络（RNN）
6.5 生成对抗网络（GAN）
- GAN生成对抗网络入门介绍及DCGAN、WGAN等介绍
- 生成对抗网络前言（1）——生成对抗网络的数学推导
- 生成对抗网络前言（2）——自动编码器（auto-encoder）介绍
- 生成对抗网络前言（3）——其他自动编码器介绍（稀疏自动编码器、深度自动编码器、卷积自动编码器、序列到序列的自动编码器）及自动编码器在图像去噪领域的应用
- 生成对抗网络前言（4）——变分自动编码器（Variational autoencoder，VAE）介绍
- 初识生成对抗网络（1）——利用Keras搭建简单GAN生成手写体数字
- 初识生成对抗网络（2）——利用Keras搭建DCGAN生成手写体数字
- 初识生成对抗网络（3）——利用Keras搭建CGAN生成手写体数字并贴上标签
- 初识生成对抗网络（4）——利用Keras搭建ACGAN生成手写体数字并贴上标签
- 初识生成对抗网络（5）——利用Keras搭建LSGAN生成手写体数字
- 初识生成对抗网络（6）——利用Keras搭建CycleGAN实现风格迁移
- 初识生成对抗网络（7）——利用Pytorch搭建GAN生成手写数字
- 初识生成对抗网络（8）——利用Pytorch搭建DCGAN生成手写数字
- 初识生成对抗网络（9）——利用Pytorch搭建CGAN生成手写数字并贴上标签
- 初识生成对抗网络（10）——利用Pytorch搭建LSGAN生成手写数字
- 生成对抗网络进阶（1）——利用Keras和GAN进行简单函数拟合
- 生成对抗网络进阶（2）——利用PyTorch和GAN进行复杂函数拟合
- 生成对抗网络进阶（3）——利用Keras和GAN进行正弦函数拟合
- 生成对抗网络进阶（4）——利用Keras和GAN进行幂函数拟合
- 利用PyTorch搭建生成对抗网络的训练步骤
- 基于PyTorch的生成对抗网络（一）——利用PyTorch搭建入门生成对抗网络（GAN）超详解
- 基于PyTorch的生成对抗网络（二）——利用PyTorch搭建基础生成对抗网络（GAN）超详解
- 基于PyTorch的生成对抗网络（三）——利用PyTorch搭建生成对抗网络（GAN）生成彩色图像超详解
- 基于PyTorch的生成对抗网络（四）——利用PyTorch搭建深度卷积生成对抗网络（DCGAN）生成彩色图像超详解
- 基于PyTorch的生成对抗网络（五）——利用PyTorch搭建条件生成对抗网络（CGAN）超详解
（注：目录每个月的一号进行更新）【最近一次更新于：2022.5.6】
下文目录链接：https://blog.csdn.net/didi_ya/article/details/124609844，该目录主要介绍C/C++相关知识。