动手学深度学习学习整理

neo4j图数据库基础操作命令（CQL语法）

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·2023-08-12 16:38

Redis配置类

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·2023-08-12 16:08

neo4j的CQL命令实例演示

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·2023-08-12 16:07

多尺度目标检测【动手学深度学习】

在上篇博客《锚框【目标检测】》中，我们以输入图像的每个像素为中心，生成多个锚框。基本而言，这些锚框代表了图像不同区域的样本。然而如果以每个像素都生成的锚框，最后可能会得到太多需要计算的锚框。想象一个561×728的输入图像，如果以每个像素为中心生成五个形状不同的锚框，就需要在图像上标记和预测超过200万个锚框（561×728×5）。多尺度锚框减少图像上的锚框数量并不困难，比如可以在输入图像中均匀采
东城青年·2023-08-12 12:08

商城-学习整理-基础-库存系统（八）

一、整合ware服务1、配置注册中心2、配置配置中心3、配置网关，重启网关二、仓库维护http://localhost:8001/#/ware-wareinfo在前端项目module中创建ware文件夹保存仓库系统的代码。将生成的wareinfo.vue文件拷贝到项目中。根据功能，修改后台接口。三、库存工作单http://localhost:8001/#/ware-task将生成的task.vue
有语忆语·2023-08-12 09:16

计算机专业套装书书单推荐

1、深度学习经典教程深度学习+动手学深度学习“花书”与沐神大作双剑合璧，入门深度学习看这一套就够了，来自一线科学家的经验总结，人工智能机器学习AI算法数据科学领域的重磅作品。
人邮异步社区·2023-08-11 21:22

动手学深度学习（三）线性神经网络—softmax回归

分类任务是对离散变量预测，通过比较分类的概率来判断预测的结果。softmax回归和线性回归一样也是将输入特征与权重做线性叠加，但是softmax回归的输出值个数等于标签中的类别数，这样就可以用于预测分类问题。分类问题和线性回归的区别：分类任务通常有多个输出，作为不同类别的置信度。一、softmax回归1.1网络架构为了解决线性模型的分类问题，我们需要和输出一样多的仿射函数，每个输出对应它自己的仿射
向岸看·2023-08-11 10:27

[Pytorch]＜动手学深度学习＞pytorch笔记-----预备知识

原书籍地址:https://raw.githubusercontent.com/OUCMachineLearning/OUCML/master/BOOK/Dive-into-DL-PyTorch.pdfPytorch版出处:Dive-into-DL-PyTorch1.创建Tensor首先导入torch包importtorch1.创建大小为5x3的未初始化的Tensor并输出x=torch.empt
End1esz·2023-08-10 01:35

商城-学习整理-基础-商品服务API-三级分类（五）

目录一、启动之前创建的环境1、启动虚拟机2、启动mysql3、启动redis4、启动nacos5、导入三级分类测试数据二、开发商品服务三级分类列表1、后台模块1）书写商品三级分类表后台业务逻辑2、前端模块1）启动renren-fast前后端项目2）在系统管理-》菜单管理-》新增目录-》商品系统3）新增分类维护4）查看角色管理5）创建商品目录vue文件6）从elementUI官网引入Tree树形控件
有语忆语·2023-08-10 00:46

商城-学习整理-基础-商品服务API-品牌管理（六）

目录一、使用逆向工程生成前后端代码1、新增品牌管理菜单2、使用生成的前端代码二、优化逆向生成的品牌管理页面1、显示状态开关优化2、品牌上传优化（使用阿里云存储）1）阿里云对象存储-普通上传方式2）阿里云对象存储-服务端签名后直传3）创建阿里云对象存储空间（OSS整合）4）创建一个第三方模块zhenyanmall-third-party用来保存，第三方接口1：创建oss配置,oss获取服务端签名2：
有语忆语·2023-08-10 00:15

商城-学习整理-基础-前端（四）

目录一、技术栈介绍二、ES61、简介2、什么是ECMAScript3、ES6新特性1、let声明变量2、const声明常量（只读变量）3、解构表达式1）数组解构2）对象解构4、字符串扩展1）、几个新的API2）、字符串模板5、函数优化1）、函数参数默认值2）、不定参数4）、箭头函数4）、箭头函数结合解构表达式6、对象优化1）、新增的API2）、声明对象简写3）、对象的函数属性简写4）、对象拓展运算
有语忆语·2023-08-10 00:45

商城-学习整理-基础-商品服务API-属性分组（七）

目录一、创建系统菜单二、开发商品系统-平台属性-属性分组1、将三级分类功能抽取出来2、编写后端代码3、属性分组新增功能4、属性分组修改回显功能三、商品系统-平台属性-规则参数三、品牌管理1、分页显示有点问题，使用MyBatis-Plus有点问题，需要使用分页插件，给容器中放一个2、修改模糊查询功能3、修改关联分类功能四、后续模块开发思路一、创建系统菜单在admin数据库里面创建表sys_menus
有语忆语·2023-08-10 00:44

【动手学深度学习v2李沐】学习笔记08：丢弃法

前文回顾：权重衰退、正则化文章目录一、丢弃法1.1动机1.2无偏差的加入噪音1.3使用丢弃法1.3.1训练中1.3.2预测中1.4总结二、代码实现2.1从零开始的实现2.1.1Dropout2.1.2定义模型2.1.3训练和测试2.2简洁实现2.2.1定义模型与Dropout2.2.2训练和测试一、丢弃法1.1动机一个好的模型需要对输入数据的扰动鲁棒。使用有噪音的数据等价于Tikhonov正则。丢
鱼儿听雨眠·2023-08-09 09:43

《动手学深度学习+PyTorch》3.9多层感知机（MLP）从零开始实现 学习笔记

文章目录前言一、引入库二、步骤1.读取数据2.参数设置2.激活函数3.损失函数4.训练模型总结前言我们已经学习了包括线性回归和softmax回归在内的单层神经网络。然而深度学习主要关注多层模型。本次，我们将完成一个简单的多层感知机（multilayerperceptron，MLP）。一、引入库importtorchimportnumpyasnpimportsyssys.path.append(".
稚晖君的小弟·2023-08-09 09:12

[动手学深度学习-PyTorch版]-3.12深度学习基础-权重衰减

3.12权重衰减上一节中我们观察了过拟合现象，即模型的训练误差远小于它在测试集上的误差。虽然增大训练数据集可能会减轻过拟合，但是获取额外的训练数据往往代价高昂。本节介绍应对过拟合问题的常用方法：权重衰减（weightdecay）。3.12.1方法image.png3.12.2高维线性回归实验image.png%matplotlibinlineimporttorchimporttorch.nnasn
蒸饺与白茶·2023-08-08 22:14

vue2与vue3生命周期学习整理

vue2生命周期学习一、Vue的生命周期二、Vue2中的生命周期1、beforeCreate2、created函数3、beforeMount4、mounted5、beforeUpdate6、updated7、beforeDestroy8、destoryed三、vue3中的生命周期1、beforeMount2、mounted3、beforeUpdate4、updated5、beforeUnmount
恒二哥·2023-08-08 16:34

《动手学深度学习》优化算法学习&习题

优化算法梯度下降类小批量随机梯度下降，通过平均梯度来减小方差动量法基础泄露平均法：用来取代梯度的计算β\betaβ这个参数控制了取多久时间的平均值上述推理构成了”加速”梯度方法的基础，例如具有动量的梯度。在优化问题条件不佳的情况下（例如，有些方向的进展比其他方向慢得多，类似狭窄的峡谷）”加速”梯度还额外享受更有效的好处。此外，它们允许我们对随后的梯度计算平均值，以获得更稳定的下降方向。诚然，即使是
银晗·2023-08-08 12:57

《动手学深度学习（PYTORCH版）》第3章导入torchvision后，报错无法定位程序输入点

在下载项目需要的torchvision后，在Pycharm上运行下面这段代码，总是会报上面这个错误，根据报错的提示，我猜测应该是torchvision出了问题：importtorchfromtorchimportnnfromtorch.nnimportinitimportnumpyasnpimportsyssys.path.append("..")importd2lzh_pytorchasd2lp
G_Sofia·2023-08-06 10:52

初出茅庐~暑假第二周

我觉得考核对我来说很关键，他能让我找到自己的问题，自己不好的地方，然后总结能让我对这一阶段的学习整理自己的思路，能更清晰，知道自己掌握到什么，学到什么东西
吴天骄_家族三期·2023-08-06 03:58

数据仓库知识整理

由于现在做的项目是各个银行的数据仓库的项目，因为以前也不了解，用于自己学习整理，算是在即的一份备份。如有不正确和不足的地方，希望多多指教。
heybo_zhang·2023-08-06 02:50

D2L学习记录-10-词嵌入word2vec

NLP-1-词嵌入(word2vec)参考:《动手学深度学习Pytorch第1版》第10章自然语言处理第1、2、3和4节(词嵌入)词嵌入(word2vec)：词向量：自然语言中，词是表义的基本单元。
@ZyuanZhang·2023-08-05 22:37

动手学深度学习（二）线性神经网络

推荐课程：跟李沐学AI的个人空间-跟李沐学AI个人主页-哔哩哔哩视频回归任务是指对连续变量进行预测的任务。一、线性回归线性回归模型是一种常用的统计学习方法，用于分析自变量与因变量之间的关系。它通过建立一个关于自变量和因变量的线性方程，来对未知数据进行预测。1.1线性模型举个例子，房价预测模型：假设1︰影响房价的关键因素是卧室个数，卫生间个数和居住面积，记为x1，x2，x3。假设2：成交价是关键因素
向岸看·2023-08-05 11:46

【Android】Handler机制详解

【Android】Handler机制详解本文是在Carson带你学Android作者的异步通信专栏中Handler的基础上学习整理的kotlin版本，并且Android源码部分也更新至最新。
小黄才不管那么多·2023-08-05 10:49

动手学深度学习—卷积神经网络（原理解释+代码详解）

目录1.从全连接层到卷积层2.图像卷积2.1互相关运算2.2卷积层2.3图像中目标的边缘检测2.4学习卷积核2.5特征映射和感受野3.填充和步幅3.1填充3.2步幅4.多输入多输出通道4.1多输入通道4.2多输出通道4.31×1卷积核5.汇聚层5.1最大汇聚层和平均汇聚层5.2填充和步幅5.3多个通道1.从全连接层到卷积层多层感知机对图像处理是百万维度，模型不可实现。如果要在图片中找到某个物体，寻
緈福的街口·2023-08-05 02:27

何谓“岩韵”

花香"不难理解，但"岩骨"这个词只是让我想到了“铁骨铮铮”，“硬骨头”……还是不懂……都说不懂找度娘，找了一下午度娘，好像懂了一些些……乱写乱画把今天的学习整理如下：先说岩骨：福建武夷山，据说有“36峰
竹里馆_47d8·2023-08-04 15:32

三连二班开营篇

在上午，小雄鹰们陆陆续续前来报道，之后学习整理内务，每个人都在很认真的整理，不一会宿舍就变的井井有条了。之后便是下午的开营仪式，通过开营仪式让大家了解一下这里的生活，各连队授旗。
信徒07·2023-08-04 12:33

易效能时间管理天使27-3班践行81天——走向规律生活！

【昨日的三只青蛙】家庭聚会√学习整理术【怦然心动的人生整理魔法】√看书【吃掉那只青蛙】√---------------------------------------------------------
与欣有约·2023-08-04 08:29

web渗透之文件上传漏洞知识总结

一、文件上传漏洞思路：第一步：首先看中间件：因为第一步看中间件就是确定是否存在解析漏洞（学习整理几种解析漏洞的对应版本，有些低版本有解析漏洞，有些高版本就没有。）
1erkeU·2023-08-04 06:00

动手学深度学习pytorch（第一天、第二天）

1.线性回归线性回归输出是⼀个连续值，因此适⽤用于回归问题。基本要素①模型定义②模型训练(1)训练数据：在机器器学习术语⾥里里，该数据集被称为训练数据集(trainingdataset)或训练集(trainingset)，⼀一栋房屋被称为⼀一个样本(sample)，其真实售出价格叫作标签(label)，⽤用来预测标签的两个因素叫作特征(feature)。特征⽤用来表征样本的特点。(2)损失函数：平
我叫涂涂可我的耳朵不大肿么办·2023-08-04 04:01

动手学深度学习（一）预备知识

目录一、数据操作1.N维数组样例2.访问元素3.基础函数（1）创建一个行向量（2）通过张量的shape属性来访问张量的形状和元素总数（3）reshape()函数（4）创建全0、全1、其他常量或从特定分布中随机采样的数字组成的张量（5）标准运算（张量间的标准运算，都是按元素运算）（6）拼接函数cat（7）求和函数sum（8）矩阵的转置（9）复制张量（10）点积，矩阵-向量积和矩阵乘法（11）范数4.
向岸看·2023-08-02 17:03

Kotlin学习整理

Kotlin整理1.Kotlin基础知识点整理1.1变量、函数、类型1.2类、对象2.Kotlin与Java写法重要区分2.1单例类写法2.2匿名类写法2.3参数(命名，默认，可变)2.4顶层函数、属性3.集合3.1常用的集合方法3.2集合的Map和FlatMap4.标准函数5.高阶函数和内联函数inline、noinline、crossinline5.1内联函数inline5.2noinline
就不告诉你666·2023-08-02 12:52

动手学深度学习 PyTorch版_个人笔记

day01b站：https://space.bilibili.com/1567748478/channel/seriesdetail?sid=358497教材：https://zh-v2.d2l.ai/chapter_preface/index.html#sec-code代码注解：https://blog.csdn.net/shakalakaphd/category_10318255_2.html
nmslnmsl_n·2023-08-02 08:22

《动手学深度学习 v2》之预备、线性NN、多层感知机、深度学习计算

1.配置环境(AutoDl)https://mp.csdn.net/mp_blog/creation/editor/new/1286881852.预备知识2.1.数据操作importtorchprint(torch.__version__)#1.2.0#2.1.1入门x=torch.arange(12)print(x)print(x.shape)print(x.numel())#元素总数X=x.r
常某某的好奇心·2023-08-02 03:04

pytorch李沐动手学深度学习（三、深度学习计算）

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、层和块自定义块顺序块在前向传播函数中执行代码二、参数管理参数访问目标参数一次性访问所有参数从嵌套块收集参数参数初始化自定义初始化参数绑定自定义层读写模型文件GPU一、层和块net=nn.Sequential(nn.Linear(20,256),nn.ReLU(),nn.Linear(256,10))自定义块classMLP
小火龙借个火·2023-08-01 21:26

【动手学深度学习PyTorch版】10 PyTorch 神经网络基础

上一篇移步【动手学深度学习PyTorch版】9Kaggle房价预测_水w的博客-CSDN博客目录一、PyTorch神经网络基础1.1层和块◼层和块◼自定义块◼顺序块◼正向传播◼混合组合块1.2参数管理◼
水w·2023-08-01 21:55

动手学深度学习——实战Kaggle比赛：预测房价（代码详解+调参优化）

目录1.下载和缓存数据集2.Kaggle3.访问和读取数据集4.数据预处理5.训练6.K折交叉验证7.模型选择8.提交Kaggle预测9.调参优化1.下载和缓存数据集数据集百度云：链接：https://pan.baidu.com/s/14CVZBjmlKA_c3MYNFLSvbg?pwd=pysi提取码：pysi1、导入包#导入所需要的包importhashlibimportosimporttar
緈福的街口·2023-08-01 21:24

《动手学深度学习》第四章 深度学习计算

目录小tips4.1模型构造4.2模型参数的访问初始化和共享4.3模型参数的延后初始化4.4自定义层4.5读取和存储4.6GPU计算小tipsenumerate()函数，迭代器函数，生成由每个元素索引值和元素组成的元组。列表操作，append函数，在列表末尾添加新的对象，extend函数，用于在列表末尾一次性追加另一个序列中的多个值。列表索引[-1]明确比如一个列表或者字符串长度是51，正向索引索
小栗子pola·2023-08-01 21:23

动手学深度学习—深度学习计算（层和块、参数管理、自定义层和读写文件）

目录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.GPU1.层和块块可以描述单个层、由多个层组成的组件或
緈福的街口·2023-08-01 21:22

你知道你自己的天赋是什么吗？

别人学习整理了，我也学，别人学习了财富课，我也学了，现在就问问自己到底有多么喜爱自己报名的
整理师睿姿·2023-08-01 18:30

[动手学深度学习-PyTorch版]-3.14深度学习基础-正向传播、反向传播和计算图

3.14正向传播、反向传播和计算图前面几节里我们使用了小批量随机梯度下降的优化算法来训练模型。在实现中，我们只提供了模型的正向传播（forwardpropagation）的计算，即对输入计算模型输出，然后通过autograd模块来调用系统自动生成的backward函数计算梯度。基于反向传播（back-propagation）算法的自动求梯度极大简化了深度学习模型训练算法的实现。本节我们将使用数学和
蒸饺与白茶·2023-08-01 06:42

会做笔记和不会做笔记差别有多大? 原来聪明人都用方格笔记本

为了深入学习整理术，特在此推荐。一：做笔记是学习能力的体现方格笔记本真的有那么牛？它可以让我们一秒提升学习力？其实作者是认为，方格本＝框架。只有用正确的框架做事情，做事情才会有方法
白露整理·2023-07-31 12:26

[学习笔记]动手学深度学习v2

文章目录资料本地安装4.数据操作+数据预处理4.1数据操作实现4.2数据预处理4.3数据操作QA5.线性代数5.2线性代数实现7.自动求导8.线性回归8.2基础优化算法8.3线性回归的从零开始实现8.4线性回归的简洁实现8.5线性回归QA9.Softmax回归9.1Softmax回归9.2图片分类数据集9.3Softmax回归从零开始实现9.4Softmax回归简洁实现9.5QA10.多层感知机1
N刻后告诉你·2023-07-30 16:15

【动手学深度学习v2】学习笔记03：线性回归、基础优化算法、线性回归实现

前文回顾：线性代数、矩阵计算、自动求导文章目录一、线性回归1.1线性模型1.2流程1.2.1损失函数1.2.2训练数据1.2.3参数学习1.2.4显式解1.3总结二、基础优化算法2.1梯度下降2.2小批量随机梯度下降2.3总结三、线性回归的从零开始实现3.1导入的库3.2数据集3.2.1构造数据集3.2.2展示数据集3.3从零开始实现3.3.1生成小批量3.3.2模型和初始化模型参数3.3.3定义
鱼儿听雨眠·2023-07-30 16:45

一 动手学深度学习v2笔记 —— 深度学习介绍及数据操作预处理

第一天动手学深度学习v2——深度学习介绍及数据操作预告01课程安排目标内容02深度学习介绍03安装04数据操作+数据预处理一、数据操作二、数据操作实现三、数据预处理实现目录:预告课程安排深度学习介绍安装数据操作数据预处理预告教材
王二小、·2023-07-30 16:15

【动手学深度学习v2】1-1 手动实现线性回归

这个是跟随沐神学习深度学习的系列笔记，自己手写后对代码做了比较详细的注释（自己的理解）。本篇文章所对应的内容可跳转线性回归从0开始实现。#加载所需要的包%matplotlibinlineimportrandomimporttorchfromd2limporttorchasd2l1.生成数据集#genrateourdatadefgen_data(w,b,n_samples):#genrateX:fr
Shelley9102·2023-07-30 16:14

动手学深度学习v2笔记 —— 线性回归 + 基础优化算法

二动手学深度学习v2——线性回归+基础优化算法目录:线性回归基础优化方法1.线性回归总结线性回归是对n维输入的加权，外加偏差使用平方损失来衡量预测值和真实值的差异线性回归有显示解线性回归可以看作是单层神经网络
王二小、·2023-07-30 16:43

[动手学深度学习-PyTorch版]-5.12卷积神经网络-稠密连接网络（DenseNet）

5.12稠密连接网络（DenseNet）ResNet中的跨层连接设计引申出了数个后续工作。本节我们介绍其中的一个：稠密连接网络（DenseNet）[1]。它与ResNet的主要区别如图5.10所示。图5.10ResNet（左）与DenseNet（右）在跨层连接上的主要区别：使用相加和使用连结image.pngDenseNet的主要构建模块是稠密块（denseblock）和过渡层（transitio
蒸饺与白茶·2023-07-30 08:21

动手学深度学习(三) 多层感知机

多层感知机多层感知机的基本知识使用多层感知机图像分类的从零开始的实现使用pytorch的简洁实现多层感知机的基本知识深度学习主要关注多层模型。在这里，我们将以多层感知机（multilayerperceptron，MLP）为例，介绍多层神经网络的概念。隐藏层下图展示了一个多层感知机的神经网络图，它含有一个隐藏层，该层中有5个隐藏单元。ImageName表达公式具体来说，给定一个小批量样本，其批量大小
致Great·2023-07-29 23:34

SpringCloud学习整理

目录1、概念1.1、什么是微服务1.2、微服务优点1.3、springboot和springcloud关系2、构建一个简单的微服务项目2.1、目录结构2.2、springcloud_parent2.3、增加eureka注册中心2.4、把一个服务注册到eureka中去2.5、添加eureka集群2.6、Zookeeper2.7、Eureka和Zookeeper区别2.7、Ribbon2.8、Feig
金斗潼关·2023-07-29 20:01

[动手学深度学习-PyTorch版]-5.10卷积神经网络-批量归一化

5.10批量归一化本节我们介绍批量归一化（batchnormalization）层，它能让较深的神经网络的训练变得更加容易[1]。在3.16节（实战Kaggle比赛：预测房价）里，我们对输入数据做了标准化处理：处理后的任意一个特征在数据集中所有样本上的均值为0、标准差为1。标准化处理输入数据使各个特征的分布相近：这往往更容易训练出有效的模型。通常来说，数据标准化预处理对于浅层模型就足够有效了。随着
蒸饺与白茶·2023-07-29 20:07
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他