动手学深度学习学习整理第33页

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

SPSS实现快速聚类（K-Means/K-均值聚类）

总目录：SPSS学习整理SPSS实现快速聚类（K-Means/K-均值聚类）目的适用情景数据处理SPSS操作SPSS输出结果分析知识点目的利用K均值聚类对数据快速分类适用情景数据处理SPSS操作分析——

sayasora·2022-11-27 03:45

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

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

最近在学习《动手学深度学习》这本书，其中3.6节训练时出现如下错误：这个就是多进程出了问题，需要找到get_dataloader_workers()函数，更改其返回值，解决方案如下：1.找到3.6节代码中的

xincanzheZ·2022-11-26 12:47

【动手学深度学习Pycharm实现9】微调：通过预训练实现热狗识别

前言详细的讲义链接放在这里了：d2l官网关于微调的讲解简而言之，微调就是把在源数据集上（通常是比较大的数据集）训练的模型以及参数拿过来，对目标数据集进行再训练，其中最后一层需要根据目标数据集上的种类数进行调整，因为源数据集和目标数据集种类数不一样。一、代码实现环境如下：python版本：3.8.6torch版本：1.11.0d2l版本：0.17.5代码如下（有注释）:importosimportt

Stick_2·2022-11-26 10:54

Pytorch BERT

PytorchBERT0.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·2022-11-26 08:10

【动手学深度学习】线性回归简洁实现

线性回归简洁实现生成数据集读取数据集定义模型keras中dense的API解释：初始化模型参数keras中的initializer定义损失函数定义优化算法训练生成数据集importnumpyasnpimporttensorflowastffromd2limporttensorflowasd2ltrue_w=tf.constant([2,-3.4])true_b=4.2features,labels

往阳光走·2022-11-26 07:55

动手学深度学习day-two

动手学深度学习day-two过拟合、欠拟合及其解决方案模型选择、过拟合和欠拟合训练误差和泛化误差模型选择验证数据集K折交叉验证过拟合和欠拟合模型复杂度训练数据集大小权重衰减方法L2范数正则化（regularization

__y__·2022-11-26 07:19

动手学深度学习总结第一章

N维数组样例大小为1的张量#将大小为1的张量转化为Python标量c=torch.tensor([3.13])print(c,c.item(),float(c),int(c))注：c.item返回的是数值，而非Tensor类型连接操作#dim=0,纵向连接，dim=1,横向连接m=torch.cat((z,y),dim=0)n=torch.cat((y,z),dim=1)print(m,'\n',

弹幕教练宇宙起源·2022-11-25 21:58

动手学深度学习（四十）——长短期记忆网络（LSTM）

文章目录一、长短期记忆网络（LSTM）1.1门控记忆单元1.2输入门、遗忘门与输出门1.3候选记忆单元1.4记忆单元1.5隐藏状态二、从零实现LSTM2.1初始化模型参数2.2定义网络模型2.3训练和预测2.4简洁实现小结练习一、长短期记忆网络（LSTM）最早用来处理隐变量模型存在的长期信息保存和短期输入跳跃问题的方法（longshort-termmemoryLSTM）。其拥有许多门控循环单元

留小星·2022-11-25 16:26

【机器学习】《动手学深度学习 PyTorch版》李沐深度学习笔记（微调）

微调1.微调的步骤1.在源数据集（如ImageNet数据集）上预训练一个神经网络模型，即源模型。2.创建一个新的神经网络模型，即目标模型。它复制了源模型上除了输出层外的所有模型设计及其参数。我们假设这些模型参数包含了源数据集上学习到的知识，且这些知识同样适用于目标数据集。我们还假设源模型的输出层与源数据集的标签紧密相关，因此在目标模型中不予采用。3.为目标模型添加一个输出大小为目标数据集类别个数的

Jul7_LYY·2022-11-25 15:15

【机器学习】《动手学深度学习 PyTorch版》李沐深度学习笔记（图像增广）

一、图像增广1.通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模。2.随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的范化能力二、常用的图像增广方法1.翻转和裁减1.左右翻转图像通常不会改变对象的类别。这是最早和最广泛使用的图像增广方法之一。2.上下翻转图像不如左右图像翻转那样常用。但是，至少对于这个示例图像，上下翻转不会妨碍识别。3.随机裁减在我

Jul7_LYY·2022-11-25 15:14

pytorch的buffer学习整理

pytorch模型中的buffer这段时间忙于做项目，但是在项目中一直在模型构建中遇到buffer数据，所以花点时间整理下模型中的parameter和buffer数据的区别1.torch.nn.Module.named_buffers(prefix=‘‘,recurse=True)贴上pytorch官网对其的说明：官网翻译：named_buffers(prefix='',recurse=True)

幼稚园的扛把子～·2022-11-25 15:03

【机器学习】《动手学深度学习 PyTorch版》李沐深度学习笔记（ResNet、ResNeXt）

ResNet、ResNeXt、迁移学习1、为什么要选择残差网络（ResNet）在VGG中，卷积网络达到了19层，在GoogLeNet中，网络史无前例的达到了22层。那么，网络的精度会随着网络的层数增多而增多吗？在深度学习中，网络层数增多一般会伴着下面几个问题：1.计算资源的消耗（使用GPU集群）2.模型容易过拟合（扩大数据集、Droupout、批量归一化、正则化、初始化参数调整等等方法）3.梯度消

Jul7_LYY·2022-11-25 15:03

动手学深度学习——数据操作之ndarray与tensor间的转换

为什么可以转换无论使用哪个深度学习框架，它的张量类（在MXNet中为ndarray，在PyTorch和TensorFlow中为tensor）都与Numpy的ndarray类似。但深度学习框架又比Numpy的ndarray多一些重要功能：首先，GPU很好地支持加速计算，而NumPy仅支持CPU计算；其次，这些模块下的张量类支持自动微分；这些功能使得张量类更适合深度学习。如何实现转换将深度学习框架定义

时生丶·2022-11-25 14:13

Dive into deep learning(00)[动手学深度学习]———————pytorch安装，以及conda环境的配置

文章目录Diveintodeeplearning(00)[动手学深度学习]———————pytorch安装，以及conda环境的配置1、cuda安装2、集成环境anaconda**创建新环境****显示已创建环境

梦想实干家杭77·2022-11-25 13:46

深度学习 10.图像分类数据集

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深度学习8.线性回归的简洁实现深度学习

baiyucraft·2022-11-25 12:45

动手学深度学习课程笔记ch02

ch_02线性代数线性代数李老师讲得比较少，需要自己下去多看看书，后期还是需要一些矩阵论的知识。基本知识标量：由只有一个元素的张量表示（一般为数据的标签）。#创建标量进行运算importtorchx=torch.tensor([3.0])y=torch.tensor([2.0])x+y,x*y,x/y,x**y输出：(tensor([5.]),tensor([6.]),tensor([1.5000

lazyoneguy·2022-11-25 08:08

win11动手学深度学习安装过程（GPU版）（ CUDA Anaconda Mxnet )

win11，动手学深度学习安装过程（GPU版）（CUDA/Anaconda/Mxnet)（备忘）一、检查及安装CUDA首先检查显卡支持的cuda：直接搜索NVIDIA，选择NVIDIA控制中心，可以看到

纳show·2022-11-24 23:17

MAC＋Anaconda安装MXNet

第二步：安装MXNet起因是从网络上搞到一本李沐大师参与编写的《动手学深度学习》，且更新时间为2019年4月，不可多得。于是，根据书中源码调试要求，想再安装MXNet框架，全面学习一下有关内容。

chaihan9876·2022-11-24 23:12

学习笔记：动手学深度学习 04 线性代数

1.标量标量由只有一个元素的张量表示。importtorchx=torch.tensor([3.0])y=torch.tensor([2.0])x+y,x*y,x/y,x**y2.向量通过一维张量处理向量。一般来说，张量可以具有任意长度，取决于机器的内存限制。x=torch.arange(4)x在代码中，我们通过张量的索引来访问任一元素。x[3]3.长度、维度和形状4.矩阵指定两个分量mm和nn来

进击的番茄~·2022-11-24 22:45

动手学深度学习-task2

一、深度学习中的一些常见问题及解决方案（1）欠拟合欠拟合即模型无法得到较低的训练误差，导致欠拟合的主要原因是模型复杂度不够，特征维度过少，导致拟合的函数无法满足训练集，误差较大。（2）过拟合过拟合即模型的训练误差远小于它在测试数据集上的误差，导致过拟合的主要原因是模型复杂度过高，特征维度过多，导致拟合的函数完美的经过训练集，但是对新数据的预测结果则较差。（3）解决方案1、应对欠拟合问题，即增加其特

码上学习笔记·2022-11-24 22:40

tfp.distributions.Multinomial().sample()用法简介

在李沐的动手学深度学习的概率一章，有一个函数tfp.distributions.Multinomial（1，fair_probs).sample()先看一下官方文档的介绍：tfp.distributions.Categorical

qq_44788215·2022-11-24 18:36

RNN循环神经网络 - PyTorch

动手学深度学习-循环神经网络笔记一、文本预处理1.读取数据集2.Token(词元)化3.构建词表二、读取⻓序列数据1.随机采样2.顺序分区三、RNN从零实现1.预测2.梯度裁剪3.训练四、RNN简洁实现一

葫芦娃啊啊啊啊·2022-11-24 17:48

Pytorch Transformer

PytorchTransformer0.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·2022-11-24 17:42

【动手学深度学习】暂退法（Dropout）（PyTorch从零开始实现源代码）

目录：暂退法（Dropout）一、重新审视过拟合二、扰动的稳健性三、实践中的暂退法四、从零开始实现4.1数据和函数准备4.2定义模型参数4.3训练和测试4.4源代码五、简洁实现上一节中，我们介绍了通过惩罚权重的L2L_2L2范数来正则化统计模型的经典方法。在概率角度看，我们可以通过以下论证来证明这一技术的合理性：我们已经假设了一个先验，即权重的值取自均值为0的高斯分布。更直观的是，我们希望模型深度

旅途中的宽~·2022-11-24 16:30

《动手学深度学习》模型选择、欠拟合和过拟合（李沐）

4.4.模型选择、欠拟合和过拟合(4.多层感知机)代码学习笔记（含详细代码注释）4.4.4.多项式回归通过多项式拟合来探索模型选择、欠拟合和过拟合过程importmathimportnumpyasnpimporttorchfromtorchimportnnfromd2limporttorchasd2l4.4.4.1.生成数据集噪声项服从均值为0且标准差为0.1的正态分布。在优化的过程中，我们通常希

认真学习！！！·2022-11-24 16:21

动手学深度学习18——模型选择+过拟合和欠拟合及代码实现

一、模型选择1、怎么选择超参数例：预测谁会偿还贷款银行雇你来调查谁会偿还贷款，你得到了100个申请人的信息，其中五个人三年内违约了（换不清贷款），你发现所有的5个人在面试的时候都穿了蓝色衬衫，你的模型也发现了这个强信号，这会有什么问题？2、训练误差和泛化误差训练误差：模型在训练数据上的误差。泛化误差：模型在新数据上的误差。例子：根据模考成绩来预测未来考试分数。在过去的考试中表现很好（训练误差）不代

橙子吖21·2022-11-24 16:20

《动手学深度学习》第六天之模型选择，欠拟合和过拟合

（一）训练误差和泛化误差训练误差（trainingerror）：模型在训练数据集上表现出的误差泛化误差（generalizationerror）：模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。一般情况下，由训练数据集学到的模型参数会使模型在训练数据集上的表现优于或等于在测试数据集上的表现。由于无法从训练误差估计泛化误差，一味地降低训练误差并不意味着泛化误差一定

打着灯笼摸黑·2022-11-24 16:49

【动手学深度学习】11.模型选择 + 过拟合和欠拟合

目录一、训练误差&泛化误差二、验证数据集&测试数据集K折交叉验证三、过拟合和欠拟合四、数据复杂度五、模型复杂度一、训练误差&泛化误差训练误差：模型在训练数据上的误差。泛化误差：模型在新数据上的误差。二、验证数据集&测试数据集验证数据集：验证模型好坏的数据集。不要与训练数据集搞混。比如在不同超参数情况下训练好模型之后查看其表现。测试数据集：只用一次的数据集。K折交叉验证方法：将训练数据集分成K块Fo

ShadoooWM·2022-11-24 16:49

【动手学深度学习】模型选择、欠拟合和过拟合

目录：模型选择、欠拟合和过拟合一、前言二、训练误差和泛化误差三、模型复杂性四、模型选择五、验证集六、KKK折交叉验证七、欠拟合还是过拟合八、模型复杂性九、数据集大小一、前言作为机器学习科学家，我们的目标是发现模式（pattern）。但是，我们如何才能确定模型是真正发现了一种泛化的模式，而不是简单地记住了数据呢？例如，我们想要在患者的基因数据与痴呆状态之间寻找模式，其中标签是从集合{痴呆，轻度认知障

旅途中的宽~·2022-11-24 16:45

推荐频道

动手学深度学习学习整理