《动手学深度学习第20页

动手学深度学习TF2.0第三章

第三章3.1线性回归1.模型定义这个是线性回归。2.模型训练1训练数据2定义损失函数3优化算法这里注意小批量随机梯度下降这段话注意第一句话33.1.2.2矢量计算表达式主要介绍了矢量计算的有效性3.2线性回归的从零开始实现%matplotlibinlineimporttensorflowastffrommatplotlibimportpyplotaspltimportrandom####生成数据集

Cv_Terry·2022-12-07 22:19

【Kaggle项目实战记录】狗的品种识别

建立Dataset设定图像增广的方法创建数据集Dataset类预览训练集和验证集3定义和初始化模型4设置训练集和测试集5训练6模型存储7验证数据，上传读取验证集定义预测函数，预测简单的技术点总结这是一个动手学深度学习原课程的一个比赛项目

takedachia·2022-12-07 19:44

Dive into deep learning(06)[动手学深度学习]———————第六章，现代卷积神经网络

文章目录Diveintodeeplearning(06)[动手学深度学习]———————第六章，现代卷积神经网络1、深度卷积神经网络（AlexNet）(alexnet)2、使用块的网络（VGG）(vgg

梦想实干家杭77·2022-12-07 16:10

《动手学深度学习（Dive into Deeplearning）》（第二版）——启程

《动手学深度学习（DiveintoDeeplearning）》——启程今天是我第一天开始在CSDN上发表内容，还是熟悉的markdown编辑方式哈哈哈哈，想想当初第一次接触markdown编辑还是大数据技术基础这门课的老师推荐的

def_Mark_Heng·2022-12-07 16:39

#李沐动手学深度学习第一天 # No module named ‘torch‘

打开jupyternotebook后运行显示错误Nomodulenamed‘torch‘解决办法：打开AnacondaPrompt,condaactivatepytorch激活安装pytorch的环境变量condainstallipythoncondainstalljupyter安装完成后发现打开Anaconda列表中多出jupyternotebook（pytorch）单击打开，运行成功，问题解决

Sunshine Liu·2022-12-07 16:39

动手学《动手学深度学习》（安装pytorch)

自己写着记录学习《动手学深度学习》的过程，主要是怕以后遇到同样问题忘了当初是怎么解决的过程，如果能帮助到别人那就一举两得，水平不够，求不要挨骂QAQ。-------第一天就记录个软件的安装。。。

weixin_44888183·2022-12-07 15:36

动手学深度学习（使用Pytorch）网址收藏

动手学深度学习+Pytorch网页版学习网址https://tangshusen.me/Dive-into-DL-PyTorch/#/配套讲解视频找B站UP：跟李沐学AIhttps://space.bilibili.com

chenqah·2022-12-07 15:06

《动手学深度学习》第一次打卡

线性回归线性回归的基本要素线性回归基本要素包括模型、数据集、损失函数、优化函数。1、模型以房价预测为例进行说明。采用二维变量对房价进行预测，分别是房屋面积、房屋年龄price=w_area⋅area+w_age⋅age+b2、数据集数据集通常通过统计局及各大网站下载真实数据，例如多栋房屋的真实售出价格和它们对应的面积和房龄。我们希望在这个数据上面寻找模型参数来使模型的预测价格与真实价格的误差最小。

melody_44154393·2022-12-07 15:36

《动手学深度学习》第二天

今天学习深度学习基础。第一节讲述的是线性回归。之前看论文的时候就见过损失函数这个名词，这一次真正了解了它的定义，在优化算法中，注意到解析解和数值解两种，其中数值解的优化算法，常用的是小批量随机梯度下降，这也是在读论文的过程中，遇到过的。第二节是讲线性回归从零开始。对这一节的部分地方做一下笔记。（一）首先在生成数据集的操作中，mxnet.ndarray.random.normal(loc=0,sca

打着灯笼摸黑·2022-12-07 15:29

动手学深度学习-第一天（前言）

1.2关键组件数据（data）模型（model）目标函数（objectivefunction）算法（algorithm）1.2.1数据每一数据集都是由一个个样本组成，样本有时也被称为数据点（datapoint）或者数据实例（datainstance）。1.2.3目标函数在机器学习中，我们需要定义模型的优劣程度的度量，这个度量在大多数情况是“可优化”的，我们称之为目标函数（objectivefunc

-冲冲冲-·2022-12-07 15:55

学习李沐深度学习第一天

以下内容依据教材示例和课上内容所写学习笔记，小白只有薄弱基础，写错了还请各位大神指正，学习不易，互相鼓励04数据操作+数据预处理【动手学深度学习v2】装对软件，跟上教程这部分基本可以顺下来，初次接触明白了

QQsh7·2022-12-07 15:52

动手学深度学习（第一天）

P1-数据操作实现importtorchimportnumpyasnpx=torch.arange(12)print(x)print(x.shape)#通过shape属性访问张量的形状与张量中元素的总数print(x.numel())#里面元素的总数X=x.reshape(3,4)#改变一个张量的形状而不改变元素数量和元素值，用reshape函数print(X)print(torch.zeros(

我还是我吗·2022-12-07 15:19

动手学深度学习笔记1

环境配置Anaconda（Ubuntu）+Mxnetmxnet-gpu目前最新只有cuda10.0对应的版本，要不自己找资料编译，要不降低cuda的版本或者选择mxnet-cpuMxnet-cpu新建虚拟环境condacreate-ngluonpython=3.8激活环境：condaactivategluon安装MXNet-cpu：pipinstallmxnet安装其它软件包：pipinstall

Kaaaaaaan·2022-12-07 14:44

卷积神经网络(LeNet)——【torch学习笔记】

卷积神经网络(LeNet)引用翻译：《动手学深度学习》我们现在准备把所有的工具放在一起，部署你的第一个全功能卷积神经网络。

一个语文不好的NLPer·2022-12-07 09:00

【pytorch李沐动手学深度学习(图像增广和模型微调】

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录一、图像增广二、微调一、图像增广在输入图像img上多次运行图像增广方法aug并显示所有结果defapply(img,aug,num_rows=2,num_cols=4,scale=1.5):Y=[aug(img)for_inrange(num_rows*num_cols)]d2l.show_images(Y,num_rows,

小火龙借个火·2022-12-07 07:18

李沐动手学深度学习V2-模型微调和代码实现

微调由于数据集有限，收集和标记数据可能需要大量的时间和金钱，因此需要应用迁移学习（transferlearning）将从源数据集学到的知识迁移到目标数据集。例如，尽管ImageNet数据集中的大多数图像与识别图像无关，但在此数据集上训练的模型可能会提取更通用的图像特征，这有助于识别边缘、纹理、形状和对象组合，这些类似的特征也可能有效地识别当前图像。1.微调步骤在源数据集（例如ImageNet数据集

cv_lhp·2022-12-07 07:41

（能踩坑全踩了的总结）从零开始用miniconda配置pytorch环境以适用pycharm

先给出两个参考视频地址：Windows下安装CUDA和Pytorch跑深度学习-动手学深度学习v2@跟李沐学AIPython学习中Anaconda和Pycharm的正确打开方式@肆十二-一、Cuda篇(

@SweetBB·2022-12-07 06:03

注意力机制与使用了多头注意力和自注意力的transformer架构

http://zh.d2l.ai/chapter_attention-mechanisms/index.html参考《动手学深度学习》和论文attentionisallyouneed理解注意力机制引入注意力的生物学解释经过漫长进化

weixin_48142571·2022-12-07 01:51

【动手学深度学习v2】注意力机制—1 注意力评分函数

注意力评分函数单维注意力分数AttentionMechanisms两种注意力评分函数加性注意力AdditiveAttention缩放点积注意力ScaledDot-ProductAttention总结参考系列文章单维注意力分数f(x)=∑i=1nα(x,xi)yi=∑i=1nexp⁡(−12(x−xi)2)∑j=1nexp⁡(−12(x−xj)2)yi=∑i=1nsoftmax(−12(x−xi)2

Hannah2425·2022-12-07 01:19

动手学深度学习——Windows下安装CUDA和Pytorch跑深度学习

《动手学深度学习》下载Jupyter记事本6.安装d2l和Jupyter待解决问题1.查看电脑的GPU信息，确认有NvidiaGPU另：也可以直接通过任务管理器查看2.安装CUDA下载地址：https:

_hungry·2022-12-06 16:11

《动手学深度学习》学习笔记(六)

第六章循环神经网络与之前介绍的多层感知机和能有效处理空间信息的卷积神经网络不同，循环神经网络是为更好地处理时序信息而设计的。它引入状态变量来存储过去的信息，并用其与当前的输入共同决定当前的输出。循环神经网络常用于处理序列数据，如一段文字或声音、购物或观影的顺序，甚至是图像中的一行或一列像素。因此，循环神经网络有着极为广泛的实际应用，如语言模型、文本分类、机器翻译、语音识别、图像分析、手写识别和推荐

xiaoyaolangwj·2022-12-06 16:16

使用区块的网络（VGG）——【torch学习笔记】

使用区块的网络（VGG-11）引用翻译：《动手学深度学习》虽然AlexNet证明了深度卷积神经网络可以取得良好的效果，但它并没有提供一个通用的模板来指导后续研究人员设计新的网络。

一个语文不好的NLPer·2022-12-06 11:29

动手学深度学习 ——概率论基础

文章目录基本概率论概率论公理随机变量联合概率条件概率贝叶斯定理边际化独立性期望和方差基本概率论假设我们掷骰子，想知道看到1的几率有多大，而不是看到另一个数字。如果骰子是公平的，那么所有六个结果{1,…,6}都有相同的可能发生，因此我们可以说1发生的概率为1/6。然而现实生活中，对于我们从工厂收到的真实骰子，我们需要检查它是否有瑕疵。检查骰子的唯一方法是多次投掷并记录结果。对于每个骰子，我们将观察到

.别拖至春天.·2022-12-06 11:26

【动手学深度学习PyTorch版】11 使用GPU

上一篇移步【动手学深度学习PyTorch版】10PyTorch神经网络基础_水w的博客-CSDN博客目录一、使用GPU1.1确认GPU1.2硬件◼计算设备◼允许我们在请求的GPU不存在的情况下运行代码的两个函数

水w·2022-12-06 00:05

动手学深度学习（四十二）——双向循环神经网络（bi-RNN）

文章目录双向循环神经网络一、隐马尔可夫模型中的动态规划二、双向模型2.1定义2.2模型的计算成本及其应用三、双向循环神经网络的错误应用双向循环神经网络在序列学习中，我们以往假设的目标是：到目前为止，在给定观测的情况下对下一个输出进行建模。例如，在时间序列的上下文中或在语言模型的上下文中。虽然这是一个典型的情况，但这并不是我们可能遇到的唯一情况。为了说明这个问题，考虑以下三个在文本序列中填空的任

留小星·2022-12-05 17:08

动手学深度学习笔记（一）——机器学习

深度学习是机器学习的一个主要分支，为了更好的学习深度学习，需要掌握一些基本的机器学习的知识。文章目录1.1关键组件1.1.1数据（data）1.1.2模型（model）1.1.3目标函数（objectivefunction）1.1.4算法（algorithm）1.2各种机器学习问题1.2.1监督学习1.2.1.1回归1.2.1.2分类1.2.1.3标记问题1.2.1.4搜索1.2.1.5推荐系统1

.别拖至春天.·2022-12-05 13:27

【深度学习】动手学深度学习——编码器-解码器

参考资料：https://zh.d2l.ai/chapter_recurrent-modern/encoder-decoder.html1深度学习简介核心思想：用数据编程机器学习：寻找适用不同问题的函数形式，以及如何使用数据来获取函数的参数。深度学习：机器学习中的一类函数，形式为多层神经网络。赫布理论：神经通过正向强化来学习（感知机算法原型）随机梯度下降：强化合理的，惩罚不合理的，获得好的网络参数

岁月漫长_·2022-12-05 13:57

《动手学深度学习》(Pytorch版)——预备知识学习

《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。

practical_sharp·2022-12-05 13:26

《动手学深度学习》学习总结

目录我为什么学《动手学深度学习》学习内容学习时间学习产出学习感慨我为什么学《动手学深度学习》做很多事都有它的动机，自己学《动手学深度学习》的动机、目的也很简单——为这学期的课程作铺垫。

数学家面膜·2022-12-05 13:26

动手学深度学习第二版——Day1（章节1——2.2）

动手学深度学习第二版——Day1（章节1——2.2）1、简单介绍1)、整体内容深度学习基础——线性神经网络，多层感知机卷积神经网络——LeNet，AlexNet，VGG，Inception，ResNet

Mrwei_418·2022-12-05 13:25

动手学深度学习（1）—— 基础知识

文章目录一、基本概念1.1关键组件数据模型目标函数优化算法1.2各种机器学习问题监督学习无监督学习强化学习1.3神经网络的特点二、预备知识2.1数据操作入门运算符广播机制索引和切片节省内存转换为其他python对象2.2数据预处理读取数据集处理缺失的数据2.3线性代数标量向量矩阵张量点积矩阵-向量积矩阵-矩阵乘法2.4微积分2.5自动微分例子非标量变量的反向传播分离计算Python控制流的梯度计算

zyw2002·2022-12-05 13:55

ResNet18(Pytorch版复现)

Resnet18复现+训练（参考书：动手学深度学习）一、网络结构1.1Residualblock1.2完整Resnet_18二、代码复现importtorchimporttorch.nnasnnimportd2I.torch1asd2Iimporttorch.nn.functionalasF

自在犹仙·2022-12-05 10:21

深度学习+pytorch自学笔记（一）——PyTorch基础

编译器为PyCharm，参考书籍为软件工程朋友推荐的《动手学深度学习(pyto

子非鱼icon·2022-12-04 21:35

Dive into deep learning(04)[动手学深度学习]———————第四章深度学习计算

文章目录Diveintodeeplearning(04)[动手学深度学习]———————第四章，深度学习计算1、层和块(model-construction)2、参数管理(parameters)3、延后初始化

梦想实干家杭77·2022-12-04 19:59

深度学习 8.线性回归的简洁实现

Author：baiyucraftBLog：baiyucraft’sHome原文：《动手学深度学习》线性神经网络：深度学习6.线性回归概述深度学习7.线性回归的从零开始实现在上一篇文章中，我们只依赖了

baiyucraft·2022-12-04 14:53

【动手学深度学习】01-线性回归模型的实现

一、从零开始实现1.1读取数据集训练模型时要对数据集进行遍历，每次抽取一小批量样本，并使用它们来更新我们的模型。由于这个过程是训练机器学习算法的基础，所以有必要定义一个函数，该函数能打乱数据集中的样本并以小批量方式获取数据。defdata_iter(batch_size,features,labels):"""该函数接收批量大小、特征矩阵和标签向量作为输入，生成大小为batch_size的小批量]

zhaoylai·2022-12-04 14:22

Anaconda虚拟环境安装

最近刚开始接触深度学习，小白一枚，经老师同学推荐，才知道有优秀的免费教材《动手学深度学习》的中文版，还可以跟着李沐大神的B站视频学习。刚刚开始第一步：环境安装以及配置。

先有后优07·2022-12-04 12:38

NNDL 实验九注意力机制

基于框架API实现文本语义匹配ref：NNDL实验8（上）-HBU_DAVID-博客园(cnblogs.com)NNDL实验8（下）-HBU_DAVID-博客园(cnblogs.com)10.注意力机制—动手学深度学习

HBU_David·2022-12-04 09:41

Softmax回归——动手学深度学习笔记

Softmax回归，虽然它的名称叫做回归，其实它是一个分类问题。回归VS分类回归估计一个连续值如：回归估计下个月的房价分类预测一个离散类别如：（1）MNIST：手写数字识别（10类）（2）ImageNet:自然物体分类（1000类）Kaggle上的分类问题（1）将人类蛋白质显微镜图片分成28类（2）将恶意软件分成9个类别（3）将恶意的Wikipedia评论分成7类从回归到多类分类回归：（1）单连续

我是小蔡呀～～～·2022-12-04 06:04

李沐等人开源中文书《动手学深度学习》预览版上线

近日，由AstonZhang、李沐等人所著图书《动手学深度学习》放出了在线预览版，以供读者自由阅读。这是一本面向在校学生、工程师和研究人员的交互式深度学习书籍。

weixin_34304013·2022-12-03 07:05

资源 | 李沐等人开源中文书《动手学深度学习》预览版上线

近日，由AstonZhang、李沐等人所著图书《动手学深度学习》放出了在线预览版，以供读者自由阅读。这是一本面向在校学生、工程师和研究人员的交互式深度学习书籍。

数据派THU·2022-12-03 07:35

【动手学深度学习】权重衰减(深度学习中的正则化)

原理:通过限制参数值的选择范围来控制模型容量正则化:对学习算法的修改——旨在减少泛化误差而不是训练误差权重衰减也叫做L2正则化也就是说，如果想控制模型复杂度，比如不想让模型太复杂的话，可以通过增加拉姆达来满足需求实例演示权重衰减:从零开始实现导入模块%matplotlibinlineimporttorchfromtorchimportnnfromd2limporttorchasd2l生成数据公式:

xyy ss·2022-12-02 23:54

动手学深度学习（十四）——权重衰退

文章目录1.如何缓解过拟合？2.如何衡量模型的复杂度？3.通过限制参数的选择范围来控制模型容量（复杂度）4.正则化如何让权重衰退？5.可视化地看看正则化是如何利用权重衰退来达到缓解过拟合的目的的6.为什么使用平方范数而非标准范数（欧几里得距离）？7.L1范数和L2范数在应用中的一些区别1.如何缓解过拟合？（1）可以通过收集更多的训练数据来缓解，但是这种方法成本高，而且不受人为控制，短时间内很难取得

留小星·2022-12-02 23:45

【动手学深度学习PyTorch版】23 深度学习硬件CPU 和 GPU

上一篇请移步【动手学深度学习PyTorch版】22续ResNet为什么能训练出1000层的模型_水w的博客-CSDN博客目录一、深度学习硬件CPU和GPU1.1深度学习硬件◼计算机构成◼程序执行的原理◼

水w·2022-12-02 13:32

【机器学习】《动手学深度学习 PyTorch版》李沐深度学习笔记（目标检测、锚框）

文章目录一、目标检测任务二、目标检测和边界框（锚框）1.如何去进行目标检测？2.生成训练锚框+交并比比较锚框相似度3.怎么去赋予锚框标号?4.使用非极大值抑制（NMS）输出（每个类别保留一个框）5.一些小问题一、目标检测任务1.分类，即是将图像结构化为某一类别的信息，用事先确定好的类别(string)或实例ID来描述图片。这一任务是最简单、最基础的图像理解任务，也是深度学习模型最先取得突破和实现大

Jul7_LYY·2022-12-02 11:36

深度学习Review【三】序列、RNN、LSTM（GRU）、DRNN

课程地址动手学深度学习笔记【三】一、序列模型马尔科夫假设潜变量二、RNN循环神经网络衡量语言模型梯度剪裁torch实现三、GRU门控循环单元思路torch实现四、LSTMtorch实现五、DeepRNN

舒克儿不开飞机·2022-12-02 07:33

Pytorch框架学习个人笔记1---overview

在前期的调研中，了解到《动手学深度学习》需要有一些基础不适合入门学习，我选择了先听【刘二大人】进行入门学习，由于之前有较好的数理基础和python

疯_feng·2022-12-02 05:42

李沐《动手学深度学习》第二版 pytorch笔记1 环境搭建

李沐《动手学深度学习》第二版pytorch笔记1搭建环境文章目录李沐《动手学深度学习》第二版pytorch笔记1搭建环境此时尚有耐心虚拟环境搭建创建虚拟环境查看已有的虚拟环境激活虚拟环境安装深度学习框架和

临风而眠·2022-12-01 12:41

在Kaggle上预测房价——【torch学习笔记】

在Kaggle上预测房价引用翻译：《动手学深度学习》在前面的章节中，介绍了构建深度网络的基本工具，并通过降维、权重衰减和退出来进行容量控制。

一个语文不好的NLPer·2022-12-01 10:03

序列模型（1）—— 难处理的序列数据

参考：《动手学深度学习》8.1节文章目录1.序列数据2.统计工具2.1自回归模型（Autoregressive）2.2马尔可夫模型2.3因果关系3.传统网络架构难以处理序列数据3.1生成训练序列3.2使用

云端FFF·2022-12-01 09:04

推荐频道

《动手学深度学习