《动手学深度学习》基础篇摘要前言如何使用本书内容和结构简介核心原则。特点预备知识安装准备win:mac/linux更新代码和环境使用GPU数据操作创建NDArray运算广播机制索引运算的内存NDArray和NumPy互相转换自动求梯度深度学习基础线性回归线性回归基本要素模型（model）：设面积为x1，房龄为x2，出售价格为y。模型训练(model training)模型预测（模型推断、模型测试
通过将模型应用到例证，深度学习允许我们执行很多复杂任务，如机器翻译、玩战略游戏以及在杂乱无章的场景中识别物体等。为了在实践中做到这一点，我们需要灵活且高效的工具，以便能够适用于这些复杂任务，能够在合理的时间内对大量数据进行训练。我们需要已被训练过的模型在输入变量变化的情况下正确执行。接下来看看我们决定使用PyTorch 的一些原因。首先，正如Python 一样，PyTorch 有一个扩展名为“.p
转载
2023-06-02 19:55:12
4272阅读
前言机器学习（machine learning，ML）是强大的可以从经验中学习的技术。 通常采用观测数据或与环境交互的形式，机器学习算法会积累更多的经验，其性能也会逐步提高。 相反，对比电子商务平台等，一直执行相同的业务逻辑，无论积累多少经验，都不会自动提高（直到开发人员认识到并更新软件）。 在这本书中，将带你开启机器学习之旅，并特别关注深度学习（deep learning）的基础知识。 这是一套
博主开了一个【动手学深度学习】专栏，主要记录学习【动手学深度学习】的过程。学习资料视频讲解资料：可在B站观看；文档资料：https://zh.d2l.ai/d2l-zh.pdf网页资料：https://zh.gluon.ai/学习记录学习笔记(1) 学习环境安装与配置；学习笔记(2) 3.1.1.2.3-定义优化算法-小批量随机梯度下降算法；学习笔记(3) 3.1.2.2
原创
2022-07-10 00:26:14
139阅读
型softmax和交叉熵损失函数定义优化算
原创
2023-06-20 10:40:31
377阅读
深度学习计算文章目录深度学习计算1. 模型构造1.1 继承`Module`类来构造1.2 `Sequential`类来构造2. 模型参数的访问、初始化和共享2.1 访问模m torch
原创
2023-06-20 11:14:07
154阅读
哈喽~大家好呀，上两篇呢我们讲了云原生的概念以及Docker基本概念，通过这两篇的学习之后我们对云原生有了一定的了解，这篇呢我们来看看“ Docker命令实战 ” 吧。目录一、基础实战1、找镜像2、启动容器3、修改容器内容 4、提交改变一、基础实战1、找镜像这里我们去 docker hub，搜索 nginx，找到 nginx 镜像，然后在右侧我们复制代码小知识：如果我们要下载知
# 动手学深度学习
深度学习是目前人工智能领域的热门技术之一，它已经在许多领域展现出了惊人的能力。为了能够更好地理解和应用深度学习，我们可以通过动手实践来学习这一技术。在本文中，我们将介绍如何使用GitHub上的《动手学深度学习》项目来学习深度学习，并提供一些代码示例。
## 动手学深度学习项目介绍
《动手学深度学习》是一本由李沐等人编写的开源教材，覆盖了深度学习的基本概念、原理和实践。这个
原创
2023-07-23 08:07:44
151阅读
# 动手学深度学习 TensorFlow
## 引言
深度学习是一种机器学习的分支，它试图通过模仿人脑的工作方式来实现一种智能系统。TensorFlow是一个广泛使用的深度学习框架，它提供了一个强大的工具集，可以帮助开发者实现复杂的深度学习模型。本文将介绍如何使用TensorFlow来学习深度学习，并给出一些简单的代码示例。
## 深度学习的基础
深度学习的基础是神经网络。神经网络是一种模
原创
2023-09-11 09:26:27
92阅读
# 动手学深度学习 安装指南
## 1. 整体流程
在实现“动手学深度学习 安装”这个任务中，我们需要完成以下几个步骤：
```mermaid
gantt
title 安装深度学习环境
section 准备工作
下载Anaconda：done, 2021-12-01, 1d
安装Anaconda：done, 2021-12-02, 1d
创建虚拟环境：
目录一、数据增强1.1 数据增强（主要是关于图像增强）◼ CES上的真实的故事◼ 数据增强◼ 常见的数据增强方法◼ 总结二、 图片增广的代码实现◼ 尝试用不同的增广，比较效果一、数据增强1.1 数据增强（主要是关于图像增强）◼ CES上的真实的故事图2是把图1中的一些像素去掉，图3是把图1中的颜色做变换，图4是对图1中的亮度做变换。◼ 数据增强数据增强的意思是说，在一个已有的数据集上面，
从这些评论可以看出，大家在上课时听得都很认真，很多同学在参与课程的过程中还做了笔记，当然也有同学可能没有时间做笔记或者还没抽出时间深入学习这门课。针对这部分同学，我们最近发现了一个非常适合你的学习资源：这门课程的markdown笔记和相关的Jupyter代码。课程地址：https://c.d2l.ai/stanford-cs329p/笔记地址：https://github.com/HIT-UG-G
原书作者：阿斯顿·张、李沐、扎卡里 C. 立顿、亚历山大 J. 斯莫拉以及其他社区贡献者。目录预备知识 1.1 数据操作 1.2 自动求梯度 1.3 查阅文档 1.4 本章附录深度学习基础 2.1 线性回归 2.2 线性回归的从零开始实现 2.3 线性回归的简洁实现 2.4 softmax回归 2.5 图像分类数据集（Fashion-MNIST） 2.6 softmax回归的从零开始实现 2.7
笔记参考小王同学，代码参考 我用的pycharm需要对代码做微小修改。代码：import matplotlib # 注意这个也要import一次
import matplotlib.pyplot as plt
import torch
from torch import nn
from d2l import torch as d2l
T = 1000
time = torch.arange(1
转载
2023-08-07 12:18:52
208阅读
点赞
目录一、相关资料连接1.1 李沐视频1.2 代码、PPT二、代码及笔记（使用Jupyter Notebook）2.1 线性回归从零开始实现2.1.1 基本概念2.1.2 基础优化算法2.1.3 代码逐行理解2.2 线性回归的简洁实现2.2.1 分解代码2.2.2 整体代码三、直播问题解答 一、相关资料连接1.1 李沐视频1.2 代码、PPT链接: 哔哩哔哩李沐课程
链接: 课程代码及PPT
二、
前言本次安装并非全部按照《动手学深度学习》书中教程所安装，也没有完全依照讨论区最新更新的那个教程做，因为本机之前就安装了anaconda这款应用，里面也有不少东西，不太想卸载掉重新安装miniconda，又是小白一个，只能按照教程慢慢摸索并实时出问题自己查询解决，也不知道自己这样配置对不对，后续有问题再更新，我好难啊，哭唧唧1.换源打开anaconda prompt这个终端，然后分别执行如下四个命
目录说明配置环境此节说明代码 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10.7节 此节功能为：文本情感分类：使用循环神经网络由于此节相对复杂，代码注释量较多代码# 本书链接https://t
转载
2023-08-03 20:19:36
84阅读
前言总结一下问题：编程基础薄弱，需要学习PyTorch以完成目标检测相关的任务。已尝试看视频、复现经典工作来学习，但收效甚微。我将先讲一下学习深度学习的思路，再逐条给出学习的建议。深度学习的知识范围虽然深度学习和计算机专业看上去很相关，但实际上这完全是两个领域。二者的交集只有[向量化计算]、自动求导等少数技术。深度学习本身的知识，小半部分是从论文、教程中学习到的数学原理、[网络架构]等理论知识，大
动手学深度学习Day 1线性回归Softmax与分类模型多层感知机基础知识代码实现Day2文本预处理通用步骤代码示例语言模型简介n元语法语言模型数据集读取数据集建立字符索引定义函数load_data_jay_lyrics时序数据的采样循环神经网络基础GRULSTM深度循环网络双向循环网络 Day 1线性回归代码实现# import packages and modules
%matplotlib
转载
2023-09-18 21:40:36
80阅读
微调 fine tune 沐神：微调绝对是深度学习中一个非常重要的技术！整个深度学习为什么能够work，就是因为有微调。迁移学习（transfer learning） 在ImageNet上训练的模型，其实是可以为我所用的。 微调的核心思想就是在源数据集上（通常是比较大的数据集）训练的模型，我们可把做 ...
转载
2021-10-04 15:08:00
803阅读
2评论
