目录Chap1: A Python Q&A Session1.1 Downside运行速度1.2 Python能做什么1.3 How Is Python Developed and Supported?1.4 Python的长处Chap2: How Python Runs Programs2.1 Python 解释器2.2 程序执行2.2.1 从程序员角度2.2.2 从Python的角度
转载
2023-11-24 00:35:28
125阅读
接下来一段时间要好好学习深度学习 和 Pytorch的基础知识。《动手学深度学习》(Pytorch版)今天刚刚了解到这份在线教程，迫不及待的赶紧食用了。地址：https://tangshusen.me/Dive-into-DL-PyTorch/#/
环境配置什么的就不说了，对于Anaconda，Pycharm，Pytorch的安装，以前都学习过也写过相关的博客： 这里贴上链接：Windows10下
如何使用函数装饰器？ 实际案例 某些时候我们想为多个函数，统一添加某种功能，比如记时统计、记录日志、缓存运算结果等等。 我们不想在每个函数内一一添加完全相同的代码，有什么好的解决方案呢？ 解决方案 定义装饰奇函数，用它来生成一个在原函数基础添加了新功能的函数，替代原函数 如有如下两道题：题目一 斐波那契数列又称黄金分割数列，指的是这样一个数列：1,1,2,3,5,8,13,21,….,
前言一些建议：如果是深度学习刚刚入门，或者对深度学习的发展历史不是很熟悉的同学，可以认真读读本文，增加对该领域的背景，发展历史，应用领域的全面了解。参考项目：《动手学习深度学习》，李沐，第二版。英文原文：https://d2l.ai/chapter_introduction/index.html 注意：博文中的图片均来自英文原文。1. 简介First Principles）编写而成。比如，我们想编
深度学习前言环境安装(Windows)安装anaconda使用conda或miniconda创建环境下载所需的包下载代码并执行(课件代码)关于线性代数内积(数量积、点乘)外积关于数据操作X.sum(0, keepdim=True) 和 X.sum(1, keepdim=True)广播机制(broadcast)Softmax函数和交叉熵损失函数Softmax函数交叉熵损失函数感知机多层感知机 前言
python2早已在 2020 年停止维护，随着Python版本的不断更新迭代，很多旧的语法在可读性与效率上都已经有更好的替代了。当然，大部分的重要特性，例如装饰器、生成器、async等，相信大家都已经了然于心，本文小编就对一些用的稍微少一些、日常看到的代码中不太常见，但是能用得上的语法做一个简单的总结，供大家参考，如果大家有什么不同的见解，还望各位大佬们多多指导、补充。日常的自用Python脚本
转载
2024-06-07 22:20:05
30阅读
本书初版主要讲解序列决策问题中的核心理论和算法，基于该主题与不动点（fixed point）理论的强大联系。分析的重点是作为动态规划基
原创
2024-04-13 21:57:15
43阅读
文章目录PyTorch神经网络基础1.层和块1.1自定义块1.2顺序块1.3在前向传播函数中执行代码2.参数管理2.1参数访问2.1.1目标参数2.1.2一次性访问所有参数2.1.3从嵌套块收集参数2.2参数初始化2.2.1内置初始化2.2.2自定义初始化2.3参数绑定3.自定义层3.1不带参数的层3.2带参数的层4.读写文件4.1加载和保存张量4.2加载和保存模型参数5.GPU5.1计算设备5
目录说明配置环境此节说明代码修改之后的代码 说明本博客代码来自开源项目：《动手学深度学习》(PyTorch版) 并且在博主学习的理解上对代码进行了大量注释，方便理解各个函数的原理和用途配置环境使用环境：python3.8 平台：Windows10 IDE：PyCharm此节说明此节对应书本上5.7节 此节功能为：使用重复元素的网络（VGG）由于次节相对容易理解，代码注释量较少并且，值得注意的是，
转载
2024-05-17 13:14:54
910阅读
伯禹公益AI《动手学深度学习PyTorch版》Task 09 学习笔记Task 09：目标检测基础；图像风格迁移；图像分类案例1目标检测基础无言以对，哪个臭Sb写的文档，来，你给我念一遍：假设输入图像高为 ，宽为。我们分别以图像的每个像素为中心生成不同形状的锚框。设大小为且宽高比为，那么锚框的宽和高将分别为和。你特么确定锚框的宽和高是这个？我来告诉你，根据你的代码，锚框的宽和高分别是和。而且这样才
动手学深度学习 v2 PDF版本前言如何使用本书面向的读者内容和结构讨论区1. 深度学习简介2. 预备知识3. 深度学习基础4. 深度学习计算5. 卷积神经网络6. 循环神经网络7. 优化算法8. 计算性能9. 计算机视觉10. 自然语言处理11. 附录 前言结尾处，附上陆游的一句诗作为勉励：“纸上得来终觉浅，绝知此事要躬行。”如何使用本书面向的读者特别是对实际使用深度学习感兴趣的大学生、工程师
转载
2024-08-21 09:36:43
118阅读
文章目录前言1 创建Tensor2 操作2.1 算术操作2.2 索引2.3 改变形状2.4 线性代数3 广播机制4 运算的内存开销5 Tensor和NumPy相互转换5.1 Tensor转Numpy5.2 Numpy数组转Tensor6 Tensor on GPU 前言Python初学者一枚，文章仅为个人学习记录，便于以后查看使用。在PyTorch中，torch.Tensor是存储和变换数据的主
转载
2024-08-20 21:55:37
741阅读
自这本书的第一版出版以来的20年里，人工智能取得了巨大的进步，这在很大程度上是由机器学习的进步推动的，包括强化学习的进步。尽管令人印
原创
2024-05-09 14:21:38
185阅读
10月初，由Richard S. Sutton和Andrew G. Barto编写的深度强化学习领域圣经了修订。
原创
2022-12-01 10:26:53
84阅读
文章目录1.1 什么是强化学习1.2 强化学习的环境1.3 强化学习的目标1.4 强化学习的数据1.5 强化学习的特征 1.1 什么是强化学习 在机器学习领域，有一类重要的任务和人生选择很相似，即序贯决策(sequential)任务。决策和预测任务不一样，往往会有“后果”，因此决策者需要对未来负责，在未来的时间点做出进一步决策，实现序贯决策的机器学习方法就叫做强化学习(reinforcemen
转载
2024-08-02 08:03:47
62阅读
强化学习（第二版）Sutton - 习题答案和解析第二章2.1 在$\第二章2.1 在$\
原创
2022-09-19 10:30:33
381阅读
质书（上架4周重印2次...
原创
2023-06-23 12:47:40
355阅读
动手学深度学习（pytorch）2概率库函数查阅线性神经网络线性回归 概率先抽样import torch
from torch.distributions import multinomial
from d2l import torch as d2l
fair_probs = torch.ones([6]) / 6
t=multinomial.Multinomial(10, fair_probs
转载
2023-11-14 09:42:23
238阅读
# 实现“动手深度学习中文版第二版pdf”教程
## 整体流程
首先，我们需要明确整个实现过程的步骤，可以使用如下表格展示：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 下载“动手深度学习中文版第二版”电子书 |
| 2 | 将电子书转换为pdf格式 |
| 3 | 编写代码实现自动化下载并转换 |
接下来，我们将详细说明每一步需要做什么，以及使用的代码和其注释。
原创
2024-03-07 05:10:19
1217阅读
本书初版主要讲解序列决策问题中的核心理论和算法，基于该
原创
2022-12-01 00:48:20
45阅读
