《动手学深度学习第21页

李沐_动手学深度学习第5章卷积神经网络_笔记

爱敲代码的小雨·2022-12-01 04:02

李沐动手学深度学习V2-目标检测数据集

一.目标检测数据集1.数据集介绍目标检测领域没有像MNIST和Fashion-MNIST那样的小数据集，为了快速测试目标检测模型，收集并标记了一个小型数据集。首先拍摄了一组香蕉的照片，并生成了1000张不同角度和大小的香蕉图像，然后在一些背景图片的随机位置上放一张香蕉的图像，最后在图片上为这些香蕉标记了边界框。2.下载数据集并定义数据集该数据集包括一个的CSV文件，内含目标类别标签和位于左上角和右

cv_lhp·2022-11-30 19:03

ModuleNotFoundError: No module named ‘d2lzh_pytorch‘

这是我在复现李沐大神的《动手学深度学习》里面的文本情感分类任务遇到的问题，看了很多博客说要下载包放到环境里面或者安装d2lzh的，屡试不行，最后研究代码整明白了。

目睹闰土刺猹的瓜·2022-11-30 19:27

动手学深度学习中问题：找不到d2l包，No module named ‘d2l’【pytorch李沐】

d2l是字母d，数字2，字母l的组合【不是数字1】解决办法：直接在Anaconda中的Prompt里面输入pipinstall-Ud2l或者在每次程序运行之前，都输入一个!pipinstall-Ud2l如果下载成功，重启jupyter就行如果报错：ERROR:CouldnotinstallpackagesduetoanEnvironmentError:[WinError5]拒绝访问。:‘D:\An

Bessie_Lee·2022-11-30 19:57

李沐动手学深度学习pytorch :问题：找不到d2l包，No module named ‘d2l’

下载d2l我是从GitHub上直接下载后放到百度云的，亲测有效。直接百度云：链接：https://pan.baidu.com/s/1zKCvb6_bj0Tz_tMhlYlFWA提取码：xm79将文件夹d2l【记住这个是小写L不是数字1】放到anaconda你自己创建的环境下：C:\ProgramData\Anaconda3\envs\pytorchzc\Lib\site-packages重点：要放

取个名字真难呐·2022-11-30 19:26

【torch安装踩雷】torchtext、torch、anaconda安装问题解决

由于《动手学深度学习Pytorch》一书中需要torchtext包，围绕着这个包的安装，我踩了不少雷。但是在这解决问题们的过程中，获得了很多知识，收纳下来吧。

QinZheng7575·2022-11-30 19:24

pytorch中深度拷贝_pytorch 数据操作

作为动手学深度学习的基础，本节将介绍如何对内存中的数据进行操作。在PyTorch中，torch.Tensor是存储和变换数据的主要工具。

超人越山峰·2022-11-30 17:00

动手学深度学习——数据操作之广播机制

在看这篇文章之前，首先你需要知道什么是张量。别被这个高逼格的名字唬住，其实张量就是我们常说的数组，在数学、物理领域的称呼，n维的数组就可以称为n阶张量。所以矩阵也可以叫二阶张量，向量则是一阶张量，就连标量也可以用零阶张量来称呼。知道了张量这个概念后，（你就可以出去小装一下了，开玩笑啦），我们简单聊聊为什么深度学习的文章当中很多都是用张量来称呼数组，这很大程度上受影响于pytorch等框架使用的对象

时生丶·2022-11-30 17:58

李沐动手学深度学习V2-机器翻译和数据集

一.机器翻译和数据集1.介绍机器翻译的数据集是由源语言和目标语言的文本序列对组成的，因此需要一种完全不同的方法来预处理机器翻译数据集，而不是复用语言模型的预处理程序。2.下载和预处理数据集首先，下载一个由Tatoeba项目的双语句子对组成的“英－法”数据集，数据集中的每一行都是制表符分隔的文本序列对，序列对由英文文本序列和翻译后的法语文本序列组成。注意每个文本序列可以是一个句子，也可以是包含多个句

cv_lhp·2022-11-30 11:13

动手学深度学习——目标检测

来源：13.4.锚框—动手学深度学习2.0.0-beta1documentation目录基本概念边界框转换函数画出边界框锚框生成锚框画出锚框交并比（IoU）使用训练数据标记锚框将真实边界框分配给锚框求锚框相对于边界框的偏移量为锚框标记类别和偏移量预测使用锚框和偏移量生成预测边界框使用非极大值抑制处理预测边界框举例测试目标检测算法

iwill323·2022-11-30 03:12

从零开始实现递归神经网络——【torch学习笔记】

从零开始实现递归神经网络——【torch学习笔记】引用翻译：《动手学深度学习》从头开始实现一个语言模型。它是基于H.G.威尔斯的"时间机器"所训练的字符级递归神经网络。

一个语文不好的NLPer·2022-11-29 17:25

李沐动手学深度学习V2-BERT预训练和代码实现

一.BERT预训练1.数据集加载利用李沐动手学深度学习V2-bert和代码实现中实现的BERT模型和李沐动手学深度学习V2-bert预训练数据集和代码实现中从WikiText-2数据集生成的预训练样本，

cv_lhp·2022-11-29 13:31

李沐动手学深度学习V2-bert预训练数据集和代码实现

一.bert预训练数据集1.介绍为了预训练前一篇李沐动手学深度学习V2-bert和代码实现实现的BERT模型，我们需要使用数据集用于训练这两个预训练任务：遮蔽语言模型和下一句预测。

cv_lhp·2022-11-29 13:00

【深度学习基础】自动微分 Automatic Differentiation

Automaticdifferentiationinmachinelearning:asurveydeepthoughts—详细推导自动微分Forward与Reverse模式跟李沐学AI—07自动求导【动手学深度学习

No pains, no GANs!·2022-11-29 08:22

【动手学深度学习】梯度消失和梯度爆炸（含源代码）

一、问题的引入二、梯度消失曾经sigmoid函数11+exp(−x)\frac{1}{1+exp(-x)}1+exp(−x)1很流行，因为它类似于阈值函数。由于早期的人工神经网络受到生物神经网络的启发，神经元要么完全激活要么完全不激活（就像生物神经元）的想法很有吸引力。然而，它却是导致梯度消失问题的一个常见的原因，让我们仔细看看sigmoid函数为什么会导致梯度消失。importtorchfrom

旅途中的宽~·2022-11-28 22:24

动手学深度学习pytorch版练习解答-3.6softmax回归的从零开始实现

在本节中，我们直接实现了基于数学定义softmax运算的softmax函数。这可能会导致什么问题？提⽰：尝试计算exp(50)的⼤小。python的数字类型转换虽然是可以做到int自动转long，但long的范围受限于内存大小。这可能会导致计算溢出（有噪声，网络参数初始化没弄好等）本节中的函数cross_entropy是根据交叉熵损失函数的定义实现的。它可能有什么问题？提⽰：考虑对数的定义域。对数

Innocent^_^·2022-11-28 21:44

动手学深度学习pytorch版练习解答-3.5图像分类数据集

减少batch_size（如减少到1）是否会影响读取性能？解：batch的意义是用一定数量大小的样本求loss做优化，如果减少到1，求解次数多了，读取性能自然会下降。但要注意大的batch_size会降低模型的泛化性能。具体可以参考学习率和batchsize如何影响模型的性能？数据迭代器的性能⾮常重要。你认为当前的实现⾜够快吗？探索各种选择来改进它。这个不是很懂。但如果事实上遇到了需要加快迭代器速

Innocent^_^·2022-11-28 21:13

动手学深度学习：3.7 softmax回归的简洁实现

3.7softmax回归的简洁实现我们在3.3节（线性回归的简洁实现）中已经了解了使用Pytorch实现模型的便利。下面，让我们再次使用Pytorch来实现一个softmax回归模型。首先导入所需的包或模块。importtorchfromtorchimportnnfromtorch.nnimportinitimportnumpyasnpimportsyssys.path.append("..")i

AI_Younger_Man·2022-11-28 21:12

动手学深度学习pytorch版练习解答-3.7softmax的简洁实现

尝试调整超参数，例如批量⼤小、迭代周期数和学习率，并查看结果。#此处仅演示一个批量大小改变，其他的自己调参数，注意下面说的即可#调整批量大小至256，得记得重新弄一个网络new_batch_size_256=256new_train_iter_256,new_test_iter_256=d2l.load_data_fashion_mnist(new_batch_size_256)new_net_b

Innocent^_^·2022-11-28 21:01

深度学习+pytorch实战Kaggle比赛（一）——房价预测

参考书籍《动手学深度学习(pytorch版），参考网址为：https://zh-v2.d2l.ai/chapter_multilayer-perceptrons/kaggle-house-price.htmlhttps

子非鱼icon·2022-11-28 17:01

第一次实战Kaggle比赛：预测房价

整理自《动手学深度学习》，有一些补充一、用到的库函数1.1pd.concat()用于连接pandas数据表。本文中的用处是，连接测试集和数据集，做k交叉数据集。

九羽-·2022-11-28 17:00

Pytorch kaggle 房价预测实战

Pytorchkaggle房价预测实战0.环境介绍环境使用Kaggle里免费建立的Notebook教程使用李沐老师的动手学深度学习网站和视频讲解小技巧：当遇到函数看不懂的时候可以按Shift+Tab查看函数详解

哇咔咔负负得正·2022-11-28 17:56

【沐神课程 - 动手学深度学习】实战一详解之 Kaggle比赛：预测房价

参考与前言课程链接：跟李沐学AI的个人空间_哔哩哔哩_bilibili课程主页：https://zh-v2.d2l.ai/chapter_multilayer-perceptrons/kaggle-house-price.html相关代码参考：https://www.kaggle.com/alexandreazhang/using-dl-to-predict-housing-prices/note

Kin__Zhang·2022-11-28 17:55

Kaggle实战：Pytorch实现房价预测

直到偶然接触了《动手学深度学习》这本书，我感觉收获颇丰。这本书其中一章节是讲实战Kaggle比赛：预测房价，其中涵盖非常丰富的知识，为此我将整个实现过程记录如下，不足之处还请大家批评指

积雨辋川·2022-11-28 17:19

《动手学深度学习Pytorch版》之DenseNet代码理解

《动手学深度学习Pytorch版》之DenseNet代码理解一、模块介绍1、卷积块conv_block2、稠密块DenseBlock3、过渡块transition_block二、DENSNET模型1、DenseNet

irober·2022-11-28 15:28

《动手学深度学习》课后习题2

《动手学深度学习》学习网址：《动手学》：过拟合、欠拟合及其解决方案1.关于验证数据集的描述错误的是：答案：测试数据集可以用来调整模型参数。

极客阿宝·2022-11-28 15:00

深度学习优化算法：AdaGrad算法

原文链接：动手学深度学习pytorch版：7.5AdaGrad算法github：https://github.com/ShusenTang/Dive-into-DL-PyTorch原论文：[1]Duchi

ywm_up·2022-11-28 13:42

李沐大神的动手学深度学习的创建和使用EC2实例

使用AWS最便宜的GPU实例-动手学深度学习v2https://www.bilibili.com/video/BV1MA411L78X?

柿子L·2022-11-28 04:02

李沐大神动手学深度学习——学习笔记（不定期连载）

最近在看李沐大佬的动手学深度学习，讲的非常基础，从很基础的开始讲，很易懂，这里记一些在之前没碰到过的在他代码里出现过的写法，and一些问题，当做学习记录，不定期连载更新。

pip install USART·2022-11-28 04:31

使用AWS最便宜的GPU实例 from 动手学深度学习v2 李沐大神

使用AWS最便宜的GPU实例from动手学深度学习v2李沐大神视频链接https://www.bilibili.com/video/BV1MA411L78X?

Dson_Lin·2022-11-28 04:58

Pytorch 在 Kaggle 上使用 GPU

Kaggle上使用GPU0.环境介绍环境使用Kaggle里免费建立的Notebook教程使用李沐老师的动手学深度学习网站和视频讲解小技巧：当遇到函数看不懂的时候可以按Shift+Tab查看函数详解。

哇咔咔负负得正·2022-11-27 23:34

【pip安装包时gcc编译错误】pip subprocess to install build dependencies did not run successfully.

在macOS中用pip安装《动手学深度学习》中介绍的d2l库时，发生了下面的错误：pipsubprocesstoinstallbuilddependenciesdidnotrunsuccessfully.error

空慕·2022-11-27 22:53

From d2l import torch as d2l 报错

最近算是从头开始好好学习一遍李沐大佬的《pytorch-动手学深度学习V2》，我看到视频评论下有小伙伴说Fromd2limporttorchasd2l报错，因为自己之前也遇到过这个问题，索性把他记录下来

吾心即宇宙·2022-11-27 15:26

from d2l import torch as d2l这个语句中torch报错的解决方法

最近在看《动手学深度学习》时书写上面的代码时，会有fromd2limporttorchasd2l这个语句中torch报错，原因是没有导入这个d2l包，如何导入这个库呢1、打开AnacondaPrompt2

别摆了，张同学·2022-11-27 15:55

动手学深度学习番外篇 01.为什么from d2l import torch as d2l

动手学深度学习番外篇01.为什么fromd2limporttorchasd2l在跟着网站动手学深度学习学习的时候，发现代码开头中经常要运行这样一句话fromd2limporttorchasd2l而我从网站

Ysdabaicai·2022-11-27 15:24

动手学深度学习-windows下环境配置

1.首先要安装好anaconda并创建好pytorch环境然后在pytorch环境下安装jupyternotebook（Jupyternotebook中怎么添加Pytorch运行环境_诗与远方-CSDN博客_jupyterpytorch）2.在https://zh-v2.d2l.ai/d2l-zh.zip下载并解压本书代码的全部压缩包3.在解压后的文件d2l-zh所在目录输入cmd打开命令行窗口4

不吃冰糖葫芦·2022-11-27 13:39

【动手学深度学习】代码（持续更新）

【动手学深度学习】代码（持续更新）链接：https://pan.baidu.com/s/129wfQLVfPgmjmPxG3Wlf_A提取码：svhf内容：文件名内容.ipynb_checkpointsjupyterlab

DeeGLMath·2022-11-27 13:36

李沐动手学深度学习V2-seq2seq和代码实现

一.seq2seq序列到序列学习1.介绍机器翻译输入序列和输出序列都是长度可变的。为了解决这类问题，我们将使用两个循环神经网络的编码器和解码器Auto-Encoder架构，并将其应用于序列到序列（sequencetosequence，seq2seq）类的学习任务.遵循编码器－解码器架构的设计原则，循环神经网络编码器使用长度可变的序列作为输入，将其转换为固定形状的隐状态。换言之输入序列的信息被编码到

cv_lhp·2022-11-27 13:05

动手学深度学习（4-7章）代码

多层感知机的从零开始实现多层感知机的简介实现importtorchfromtorchimportnnfromd2limporttorchasd2lnet=nn.Sequential(nn.Flatten(),nn.Linear(784,256),nn.ReLU(),nn.Linear(256,10))definit_weights(m):iftype(m)==nn.Linear:nn.init.n

我的宠物不是小马·2022-11-27 13:02

动手学深度学习（十八）——LeNet：CNN经典网络（一）

网络结构3.代码实现（将LeNet应用在简单的Fashion-MNIST上）3.1导入相关包3.2网络结构定义及验证3.3模型训练3.4训练结果讲解LeNet的材料比较多，这个Blog的内容主要是李沐老师《动手学深度学习

留小星·2022-11-27 09:48

李沐动手学深度学习笔记---含并行连结的网络 GoogLeNet / Inception V3

Inception块：Inception块由四条并行路径组成。前三条路径使用窗口大小为1×1、3×3和5×5的卷积层，从不同空间大小中提取信息。中间的两条路径在输入上执行1×1卷积，以减少通道数，从而降低模型的复杂性。第四条路径使用3×3最大汇聚层，然后使用1×1卷积层来改变通道数。这四条路径都使用合适的填充来使输入与输出的高和宽⼀致，最后我们将每条线路的输出在通道维度上连结，并构成Incepti

天天向上inger·2022-11-27 07:48

李沐动手学深度学习笔记---网络中的网络（NiN）

背景：全连接层需要较多的参数，卷积层需要较少的参数。占用内存多，带宽大。很容易过拟合。NiN的思想：完全不要全连接层。NiN块：1*1的卷积层可以等价为一个全连接层。NiN块以一个普通卷积层开始，后⾯是两个1×1的卷积层。这两个1×1卷积层充当带有ReLU激活函数的逐像素全连接层。第⼀层的卷积窗口形状通常由用户设置。随后的卷积窗口形状固定为1×1。NiN架构：总结：代码实现：importtorch

天天向上inger·2022-11-27 07:18

李沐动手学深度学习第五章-Pytorch神经网络基础

1、模型构造事实证明，研究讨论“比单个层大”但“比整个模型小”的组件更有价值。为了实现这些复杂的网络，我们引入了神经网络块的概念。块（block）可以描述单个层、由多个层组成的组件或整个模型本身。使用块进行抽象的一个好处是可以将一些块组合成更大的组件，这一过程通常是递归的，如图5.1.1所示。通过定义代码来按需生成任意复杂度的块，我们可以通过简洁的代码实现复杂的神经网络。先回顾一下多层感知机（4.

nousefully·2022-11-27 07:17

编程小菜学习之李沐老师动手学深度学习笔记-29残差网络

#残差网络X(l+1)=X(l)+F(X,W)importtorchfromtorchimportnnfromtorch.nnimportfunctionalasFfromd2limporttorchasd2lclassResidual(nn.Module):def__init__(self,input_channels,num_channels,use_1x1conv=False,strides

编程小cai·2022-11-27 07:47

动手学深度学习--pytorch--线性回归，softmax--（2）

线性回归用一个线性回归来预测房价首先明确问题我们以一个简单的房屋价格预测作为例子来解释线性回归的基本要素。这个应用的目标是预测一栋房子的售出价格（元）。我们知道这个价格取决于很多因素，如房屋状况、地段、市场行情等。为了简单起见，这里我们假设价格只取决于房屋状况的两个因素，即面积（平方米）和房龄（年）。接下来我们希望探索价格与这两个因素的具体关系。设房屋的面积为，房龄为，售出价格为。我们需要建立基于

刘任杰·2022-11-27 07:38

Pytorch深度学习笔记④：Softmax回归的简洁实现

本文是《动手学深度学习课程》中Softmax回归简洁实现的笔记，仅用于个人学习记录。

元気Hu.sir·2022-11-27 03:52

Ubuntu18系统安装+深度学习软件配置cuda，miniconda，pytorch2022-7-19

课程安排-动手学深度学习课程他用的Ubuntu18具体安装教程：Ubuntu18.04安装教程——超详细的图文教程_Krasjet_Yu.的博客-CSDN博客_ubuntu18.04二、安装好以后，进入系统

exclusivez·2022-11-26 21:37

[动手学深度学习(PyTorch)]——图像分类数据集、Softmax实现

TorchVision库torchvision包含一些常用的数据集、模型、转换函数等等。当前版本0.5.0包括图片分类、语义切分、目标识别、实例分割、关键点检测、视频分类等工具，它将mask-rcnn功能也都包含在内了。mask-rcnn的Pytorch版本最高支持torchvision0.2.*，0.3.0之后mask-rcnn就包含到tensorvision之中了。torchvision是独立

Star星屹程序设计·2022-11-26 21:14

【动手学深度学习】RuntimeError: DataLoader worker (pid(s) 52104, 29692, 55956, 45304) exited unexpectedly

最近在学习《动手学深度学习》这本书，其中3.5节的3.5.3代码报错：错误类型为：RuntimeError:DataLoaderworker(pid(s)52104,29692,55956,45304)

旅途中的宽~·2022-11-26 12:57

沐神《动手学深度学习》报错解决方案RuntimeError: DataLoader worker (pid(s) ...) exited unexpectedly

3.6softmax回归的从零开始实现运行print(evaluate_accuracy(net,test_iter))报了一溜错误，其中最后一行为RuntimeError:DataLoaderworker(pid(s)5052,13652,11108,14208)exitedunexpectedly网上有很多教程说修改num_works=0但没说具体步骤，摸索了一下分享给大家。我使用的是pych

big_sha_4017·2022-11-26 12:19

推荐频道

《动手学深度学习