动手学深度学习学习整理

动手学深度学习—使用块的网络VGG（代码详解）

目录1.VGG块2.VGG网络3.训练模型1.VGG块经典卷积神经网络的基本组成部分是下面的这个序列：1.带填充以保持分辨率的卷积层；2.非线性激活函数，如ReLU；3.汇聚层，如最大汇聚层。定义网络块，便于我们重复构建某些网络架构，不仅利于代码编写与阅读也利于后面参数的优化"""定义了一个名为vgg_block的函数来实现一个VGG块：1、卷积层的数量num_convs2、输入通道的数量in_c
緈福的街口·2023-10-21 19:56

Java操作Elasticsearch（新增数据）

文章均为学习整理笔记，分享记录为主，如有错误请指正，共同学习进步。
寒山李白·2023-10-21 16:22

动手学深度学习(一)——逻辑回归(gluon)

文章作者：Tyan博客：noahsnail.com|CSDN|注：本文为李沐大神的《动手学深度学习》的课程笔记！
SnailTyan·2023-10-21 06:15

Android 进阶解密阅读笔记9

前面学习整理了系统，应用进程及四大组件的启动过程，接下来是从另外一个模块开始学习。
jkwen·2023-10-21 04:47

《动手学深度学习 Pytorch版》 9.6 编码器-解码器架构

为了处理这种长度可变的输入和输出，可以设计一个包含两个主要组件的编码器-解码器（encoder-decoder）架构：编码器（encoder）：它接受一个长度可变的序列作为输入，并将其转换为具有固定形状的编码状态。解码器（decoder）：它将固定形状的编码状态映射到长度可变的序列。9.6.1编码器编码器接口仅指定长度可变的序列作为编码器的输入X。代码实现需要由继承这个Encoder基类的模型完成
AncilunKiang·2023-10-20 16:08

《动手学深度学习 Pytorch版》 9.5 机器翻译与数据集

机器翻译（machinetranslation）指的是将序列从一种语言自动翻译成另一种语言，基于神经网络的方法通常被称为神经机器翻译（neuralmachinetranslation）。importosimporttorchfromd2limporttorchasd2l9.5.1下载和预处理数据集“Tab-delimitedBilingualSentencePairs”数据集是由双语句子对组成的“
AncilunKiang·2023-10-20 10:18

《动手学深度学习 Pytorch版》 9.4 双向循环神经网络

之前的序列学习中假设的目标是在给定观测的情况下对下一个输出进行建模，然而也存在需要后文预测前文的情况。9.4.1隐马尔可夫模型中的动态规划数学推导太复杂了，略。9.4.2双向模型双向循环神经网络（bidirectionalRNNs）添加了反向传递信息的隐藏层，以便更灵活地处理此类信息。9.4.2.1定义前向和反向隐状态的更新如下：H→t=ϕl(XtWxh(f)+H→t−1Whh(f)+bh(f))
AncilunKiang·2023-10-20 10:17

《动手学深度学习 Pytorch版》 9.3 深度循环神经网络

将多层循环神经网络堆叠在一起，通过对几个简单层的组合，产生一个灵活的机制。其中的数据可能与不同层的堆叠有关。9.3.1函数依赖关系将深度架构中的函数依赖关系形式化，第lll个隐藏层的隐状态表达式为：Ht(l)=ϕl(Ht(l−1)Wxh(l)+Ht−1(l)Whh(l)+bh(l))\boldsymbol{H}^{(l)}_t=\phi_l(\boldsymbol{H}^{(l-1)}_t\bol
AncilunKiang·2023-10-20 10:42

统计学基础

up阶段性学习整理自用，可能不是那么严谨，各位看个乐子一、大数定律与中心极限定理1.1大数法则在随机事件的大量重复出现中，往往呈现几乎必然的规律，这类规律就是大数法则。
Valdemar_Yu·2023-10-20 04:50

docker学习整理

1.安装Docker支持CentOS6及以后的版本对于CentOS6，可以使用EPEL库安装DockerCentOS7系统CentOS-Extras库中已带Docker，可以直接安装yuminstalldocker-ioservicedockerstartchkconfigdockeron看docker版本dockerversion2.docker启动时报错docker:relocationerr
weixin_34234829·2023-10-20 02:29

【动手学深度学习】模型选择(训练数据，验证数据，测试数据，过拟合，欠拟合)

模型选择(训练数据，验证数据，测试数据，过拟合，欠拟合)在使用深度学习解决问题时会用到三种不同的数据:训练数据、验证数据和测试数据训练数据:用来训练模型,让我们的模型能够拟合住我们的训练数据，这个样本通常会大一些验证数据:用来验证模型的准确率测试数据:一般只用一次，当验证数据的结果还不错时,就可以使用测试数据来看一下这个模型的好坏了为什么要有验证数据？例如:训练多层感知机模型时，我们可能希望比较具
xyy ss·2023-10-20 01:29

从Matlab转向Kotlin（3）：顶层函数、成员函数、局部函数、递归函数、尾递归函数

在函数里编辑数学公式，以及函数的调用，Matlab和Kotlin大同小异，这里学习整理函数的分类和递归。函数的分类Kotlin里把函数分为顶层函
热带鱼_·2023-10-19 21:10

动手学深度学习——网络中的网络NIN

1、全连接层的问题卷积层需要较少的参数；但卷积层后的第一个全连接层的参数：LeNet16x5x5x120=48k；AlexNet256x5x5x4096=26M;VGG512x7x7x4096=102M;2、NIN块一个卷积层后跟两个全连接层，步幅1，无填充，输出形状跟卷积层输出一样，起到全连接层的作用。3、NIN结构无全连接层；交替使用NIN块和步幅为2的最大池化层，逐步减少高宽和增大通道数；最
橙子吖21·2023-10-19 18:59

深度学习——VGG与NiN网络

参考书：《动手学深度学习》一、使用块的网络（VGG）1.1.VGG块经典卷积
星石传说·2023-10-19 18:40

《动手学深度学习 Pytorch版》 9.2 长短期记忆网络（LSTM）

解决隐变量模型长期信息保存和短期输入缺失问题的最早方法之一是长短期存储器（longshort-termmemory，LSTM）。它与门控循环单元有许多一样的属性。长短期记忆网络的设计比门控循环单元稍微复杂一些，却比门控循环单元早诞生了近20年。9.2.1门控记忆元为了记录附加的信息，长短期记忆网络引入了与隐状态具有相同的形状的记忆元（memorycell），或简称为单元（cell）。为了控制记忆元
AncilunKiang·2023-10-19 17:06

《动手学深度学习》TensorFlow2.0版本

机器学习&深度学习入门精选&Python&Tensorflow&Pytorch对于刚入门深度学习的童鞋，这里分享下大神们开源的将《动手学深度学习》原书中MXNet代码实现改为TensorFlow2.0实现
Mr_不想起床·2023-10-19 17:35

《动手学深度学习 Pytorch版》 9.1 门控循环单元（GRU）

我们可能会遇到这样的情况：早期观测值对预测所有未来观测值具有非常重要的意义。考虑一个极端情况，其中第一个观测值包含一个校验和，目标是在序列的末尾辨别校验和是否正确。在这种情况下，第一个词元的影响至关重要。我们希望有某些机制能够在一个记忆元里存储重要的早期信息。如果没有这样的机制，我们将不得不给这个观测值指定一个非常大的梯度，因为它会影响所有后续的观测值。一些词元没有相关的观测值。例如，在对网页内容
AncilunKiang·2023-10-19 17:26

Kibana安装、配置

文章均为学习整理笔记，分享记录为主，如有错误请指正，共同学习进步。
寒山李白·2023-10-18 20:16

Elasticsearch安装

文章均为学习整理笔记，分享记录为主，如有错误请指正，共同学习进步。
寒山李白·2023-10-18 20:16

ELK下载（Elasticsearch、Logstash、Kibana）

文章均为学习整理笔记，分享记录为主，如有错误请指正，共同学习进步。
寒山李白·2023-10-18 20:46

kibana操作elasticsearch（增删改查）

文章均为学习整理笔记，分享记录为主，如有错误请指正，共同学习进步。
寒山李白·2023-10-18 20:09

学习记录《“双减”背景下的作业设计和教学实践》

晚上，万唯中考开展了线上教学讲座《“双减”背景下的作业设计和教学实践》，热点问题，于是我认真的听了听，并进行了学习整理，以便服务日常教学。
潇晨玥·2023-10-18 10:24

深度学习——深度卷积神经网络（AlexNet)

参考书：《动手学深度学习》一、学习表征在2012年前，图像特征都是机械地计算出来的。事实上，设计一套新的特征函数、改进
星石传说·2023-10-18 07:35

深度学习——含并行连接的网络（GoogLeNet）

参考书：《动手学深度学习》一、Inception块在GoogLeNet中，基本的卷积块被称为Inception块
星石传说·2023-10-18 07:35

深度学习——残差网络（ResNet）

本章主要学习残差网络参考书：《动手学深度学习》一、函数类首先，假设有一类特定的神经网络架构F
星石传说·2023-10-18 07:35

《动手学深度学习 Pytorch版》 8.7 通过时间反向传播

8.7.1循环神经网络的梯度分析本节主要探讨梯度相关问题，因此对模型及其表达式进行了简化，进行如下表示：ht=f(xt,ht−1,wh)ot=g(ht,wo)\begin{align}h_t&=f(x_t,h_{t-1},w_h)\\o_t&=g(h_t,w_o)\end{align}htot=f(xt,ht−1,wh)=g(ht,wo)参数字典：ttt表示时间步hth_tht表示时间步ttt的隐
AncilunKiang·2023-10-17 23:14

《动手学深度学习》(四) -- LeNet、AlexNet、VGG、NiN、GoogLeNet、ResNet、DenseNet 实现

上一小节学习了卷积神经网络的卷积层和池化层的实现，趁热打铁继续学习现代卷积神经网络的搭建，欢迎小伙伴们一起学习和交流~为了能够应⽤softmax回归和多层感知机，我们⾸先将每个⼤小为28×2828\times2828×28的图像展平为⼀个784维的固定⻓度的⼀维向量，然后⽤全连接层对其进⾏处理。而现在，我们已经掌握了卷积层的处理⽅法，可以在图像中保留空间结构。同时，⽤卷积层代替全连接层的另⼀个好处
长路漫漫2021·2023-10-17 23:38

2021-08-03——每天都要HAIO

I：输入1、昨天学习整理了写作课程2、媛媛写作课程3、一篇文章O：输出1、思维导图：做一个普通而又自信的人（接受自己的不完美和缺点）我不必事事都非常的完美，我允许自己犯错，允许自己蠢。
安好人生·2023-10-17 18:09

Linux学习整理-网络命令集

目录前提1.机器IP地址查询1.1ifconfig1.1.1安装包1.1.2执行命令1.1.3拓展-ifconfig的其它用法1.1.4常用的属性说明1.2ipaddr1.2.1查看IP地址1.2.2其它用法1.3hostname-I1.3.1查看IP地址1.3.2其它用法2网络通信状态查询2.1ping2.2traceroute3DNS解析3.1nslookup3.2dig4端口状态查询4.1n
迷茫的中年程序员·2023-10-17 02:09

基于物品的协同过滤算法的Python实现

作者：冯向博微信：supermvn介绍：推荐系统学习整理目录一.基于物品的协同过滤二.物品相似度计算与实现三.ICF的推荐实现四.总结一下五.练习一.基于物品的协同过滤基于物品的协同过滤，是将用户A的item
MiAlexFeng·2023-10-17 00:45

Windows下深度学习环境配置(CPU&GPU版本)【李沐-动手学深度学习】

文章目录1.安装入门了解2.创建虚拟环境3.记事本与d2l软件包的安装终端中找不到d2l怎么办4.跑个实例试试吧5.JupyterNoteboo运行自己的代码6.参考资料1.安装入门了解直接看李沐老师的安装视频对于小白来说很劝退，强烈建议看看下面的视频，对环境配置中的软件与配置、安装与验证讲的非常清晰,有助于了解各软件之间的关联关系。【最详细的Windows下PyTorch入门深度学习环境安装与配
YprgDay·2023-10-15 19:43

《动手学深度学习 Pytorch版》 8.4 循环神经网络

8.4.1无隐状态的神经网络对于无隐藏装态的神经网络来说，给定一个小批量样本X∈Rn×d\boldsymbol{X}\in\mathbb{R}^{n\timesd}X∈Rn×d，则隐藏层的输出H∈Rn×h\boldsymbol{H}\in\mathbb{R}^{n\timesh}H∈Rn×h通过下式计算：H=ϕ(XWxh+bh)\boldsymbol{H}=\phi(\boldsymbol{XW}
AncilunKiang·2023-10-15 08:31

《动手学深度学习 Pytorch版》 8.5 循环神经网络的从零开始实现

%matplotlibinlineimportmathimporttorchfromtorchimportnnfromtorch.nnimportfunctionalasFfromd2limporttorchasd2lbatch_size,num_steps=32,35train_iter,vocab=d2l.load_data_time_machine(batch_size,num_steps)
AncilunKiang·2023-10-15 08:28

《动手学深度学习 Pytorch版》 8.6 循环神经网络的简洁实现

importtorchfromtorchimportnnfromtorch.nnimportfunctionalasFfromd2limporttorchasd2lbatch_size,num_steps=32,35train_iter,vocab=d2l.load_data_time_machine(batch_size,num_steps)8.6.1定义模型num_hiddens=256rnn
AncilunKiang·2023-10-15 08:51

【动手学深度学习-Pytorch版】BERT预测系列——BERTModel

本小节主要实现了以下几部分内容：从一个句子中提取BERT输入序列以及相对的segments段落索引（因为BERT支持输入两个句子）BERT使用的是Transformer的Encoder部分，所以需要需要使用Encoder进行前向传播：输出的特征等于词嵌入+位置编码+Encoder块用于BERT预训练时预测的掩蔽语言模型任务中的掩蔽标记用于预训练任务的下一个句子的预测——在为预训练生成句子对时，有一
い☞殘風☜、™·2023-10-15 08:21

【动手学深度学习-Pytorch版】BERT预测系列——用于预测的BERT数据集

本小节的主要任务即是将wiki数据集转成BERT输入序列，具体的任务包括：读取wiki数据集生成下一句预测任务的数据—>主要用于_get_nsp_data_from_paragraph函数从输入paragraph生成用于下一句预测的训练样本：_get_nsp_data_from_paragraph生成遮蔽语言模型任务的数据—>将生成的tokens的一部分随机换成masked的tokens，用于_g
い☞殘風☜、™·2023-10-15 07:45

深度学习自学2.0

理论基础:吴恩达的机器学习和深度学习2.代码基础：Python3.框架基础：pytorch4.搭建模型：霹雳叭啦/Bubbliiing/深度学习麋了鹿进阶：1.opencv数字图像处理夯实图像处理基础2.动手学深度学习李沐
咬树羊·2023-10-14 17:19

K邻近算法（KNN，K-nearest Neighbors Algorithm）

前言之前看到一篇文章，方法部分提到了这个K邻近算法，正好自己不是很熟悉其原理，所以学习整理一下K邻近算法（K-nearestneighborsalgorithm）是一种常用的机器学习算法，用于分类和回归
万木春❀·2023-10-14 15:49

动手学深度学习之生成对抗网络

参考伯禹学习平台《动手学深度学习》课程内容内容撰写的学习笔记原文链接：https://www.boyuai.com/elites/course/cZu18YmweLv10OeV/lesson/yxuHJjjhqYCh3thUzcVXaN
water19111213·2023-10-14 15:36

[动手学深度学习]生成对抗网络GAN学习笔记

论文原文：GenerativeAdversarialNets(neurips.cc)李沐GAN论文逐段精读：GAN论文逐段精读【论文精读】_哔哩哔哩_bilibiliIan,J.etal.(2014)'Generativeadversarialnetwork',NIPS'14:Proceedingsofthe27thInternationalConferenceonNeuralInformatio
夏莉莉iy·2023-10-14 15:58

动手学深度学习——线性神经网络

1.线性回归回归（regression）是能为一个或多个自变量与因变量之间关系建模的一类方法。在自然科学和社会科学领域，回归经常用来表示输入和输出之间的关系。当函数为未知参数的线性函数时，称为线性回归模型。1.1.线性模型线性假设是指目标可以表示为特征的加权和：y：预测结果x：元素特征w：权重，决定了每个特征对我们预测值的影响b：偏置，指当所有特征都取值为0时，预测值应该为多少将所有特征放到向量x
和星星作伴_·2023-10-14 11:39

原来真正的“想通了”会让人感觉欣喜若狂

下午在对昨天的事情引发的负面情绪处理以及事件反思，之后学习整理#永澄说成长#中“信念”部分的内容，突然有一种被打通的感觉，当时简直有点欣喜若狂，好像夏日里喝了一口冰爽的冷饮，特别舒畅。
简一_王健·2023-10-14 09:09

聊聊JDK19特性之虚拟线程 | 京东云技术团队

》这本书前两章的时候整理了JDK从1.0到最新版本发展史，其中记录了JDK这么多年来演进过程中的一些趣闻及引人注目的一些特性，在调研JDK19新增特性的时候了解到了虚拟线程这个概念，于是对虚拟线程进行学习整理内容如下
京东云技术团队·2023-10-14 07:54

2022-10-13晨间日记

今天是什么日子起床：5.00就寝：天气：晴朗心情：开心纪念日：任务清单昨日完成的任务，最重要的三件事：改进：习惯养成：周目标·完成进度学习·信息·阅读筑基吟诵和文课学习整理紫微斗数学习笔记健康·饮食·锻炼耳功八法
明心279·2023-10-13 13:02

陈文豪：如何快速成为一个领域的高手

接着，你只需要每天写一篇文章，标题就是问题，内容就是你学习整理的答案，然后用自己的语言在重新写一下。三个月后，你能够解答这个领域最常见的100个问题，你就是一个入门
陈文豪·2023-10-13 01:55

PPT学习整理（八）PPT图片技巧

学习来源：B站资源https://www.bilibili.com/video/BV1w54y1Q7cZ?p=12一、一键提取PPT中所有的图片。修改文件后缀名：将pptx修改为rar，然后解压缩，在PPT文件夹中找到Media文件夹。二、PPT抠图两种方法：1、设置透明色适合于背景色单一的图片。比如说更换照片背景色2、删除背景选中图片===>>>【删除背景色】类似于win10自带的画图3D三、用
xiaoyaolangwj·2023-10-12 11:17

外出学习整理篇

教育要努力关注孩子的自然生长、情感体验、内在幸福，在生长体验中激发起对生命、生活的热爱，享受成长的幸福，让童年生活留下最美好的记忆，憧憬着美好幸福的未来。教育需要转变理念、需要创新推进、需要幸福体验，教育要为孩子一生的幸福奠基。指向“幸福”的教育需要尊重自然、敬畏生命立足长远、诗意生活不要在经验的漩涡中打转，要不断领悟新的理念和采纳新的观点。阅读丰厚教师精神，探究增长教师的智慧教育理念超越些理论视
博约硕来·2023-10-12 09:10

《动手学深度学习 Pytorch版》 8.1 序列模型

到目前为止，我们遇到的数据主要是表格数据和图像数据，并且所有样本都是独立同分布的。然而，大多数的数据并非如此。比如语句中的单词、视频中的帧以及音频信号，都是有顺序的。简言之，如果说卷积神经网络可以有效地处理空间信息，那么本章的循环神经网络（recurrentneuralnetwork，RNN）则可以更好地处理序列信息。循环神经网络通过引入状态变量存储过去的信息和当前的输入，从而可以确定当前的输出。
AncilunKiang·2023-10-12 06:37

《动手学深度学习 Pytorch版》 8.2 文本预处理

importcollectionsimportrefromd2limporttorchasd2l解析文本的常见预处理步骤：将文本作为字符串加载到内存中。将字符串拆分为词元（如单词和字符）。建立一个词表，将拆分的词元映射到数字索引。将文本转换为数字索引序列，方便模型操作。8.2.1读取数据集本文从H.G.Wells的《时光机器》一书的英文原著TheTimeMachine中加载文本，它只有30000多
AncilunKiang·2023-10-12 06:37

《动手学深度学习 Pytorch版》 8.3 语言模型和数据集

8.3.1学习语言模型依靠在8.1节中对序列模型的分析，可以在单词级别对文本数据进行词元化。基本概率规则如下：P(x1,x2,…,xT)=∏t=1TP(xt∣x1,…,xt−1)P(x_1,x_2,\dots,x_T)=\prod^T_{t=1}P(x_t|x_1,\dots,x_{t-1})P(x1,x2,…,xT)=t=1∏TP(xt∣x1,…,xt−1)例如，包含了四个单词的一个文本序列的概
AncilunKiang·2023-10-12 06:57
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他