动手学深度学习学习整理

李沐「动手学深度学习」中文课程笔记来了！

亚马逊资深首席科学家李沐博士的「动手学深度学习」中文系列课程，这门课从3月持续到8月，超过28000人参与了直播，课程回放在B站的播放量达到了上百万次。
风度78·2022-11-21 04:40

李沐《动手学深度学习》新增PyTorch和TensorFlow实现，还有中文版

李沐老师的《动手学深度学习》已经有Pytorch和TensorFlow的实现了，并且有了中文版。
风度78·2022-11-21 04:10

【机器学习】《动手学深度学习 PyTorch版》李沐深度学习笔记

第十一章模型选择+过拟合和欠拟合1.区分两种误差2.分清两种重要的数据集3.K-则交叉验证4.欠拟合和过拟合解决办法：（欠拟合）1.获得更多的训练数据2.降维3.正则化：保留特征、减少参数大小（过拟合）1.添加新特征2.增加模型复杂度3.减小正则化系数5.估计模型容量全连接层如何计算参数的个数：h=wx+b(h充当下一次的x每一层的b只有1个)6.总结7.一些小问题：1.Svm的缺点：不适用于大数
Jul7_LYY·2022-11-21 04:35

01 课程安排【动手学深度学习】

目标介绍深度学习经典和最新模型LeNet，ResNet，LSTM，BERT机器学习基础损失函数，目标函数，过拟合，优化实践使用pytorch实现介绍的知识点在真实数据上体验算法效果内容深度学习基础——线性神经网络，多层感知机卷积神经网络——LeNet，AlexNet，VGG，Inception，ResNet循环神经网络——RNN，GRU，LSTM，seq2seq注意力机制——Attention，T
进击的reader·2022-11-21 00:18

动手学深度学习（十七）——CNN基础知识

文章目录1、从全连接层到卷积1.1限制多层感知机1.2平移不变性1.3局部性1.4卷积定义2、图像卷积2.1卷积层2.1.1简单应用：检测图片中不同颜色的边缘2.2卷积核2.3互相关和卷积2.4特征映射和感受野2.5填充和步幅2.5.1填充2.5.2步幅2.6多输入多输出通道2.6.1多输入通道2.6.2多输出通道2.71X1卷积3、参考:1、从全连接层到卷积1.1限制多层感知机首先，假设以二维图
留小星·2022-11-21 00:12

李沐动手学深度学习V2-Dropout丢弃法笔记以及代码实现

模型过拟合两种解决方法，也都是属于正则化方式：（1）权重衰减（2）Dropout丢弃法模型过拟合出现的原因是模型太过复杂，从而时模型把数据的噪音都完美拟合了出来，也就是把训练数据训练的过于拟合了，而在测试数据集上面误差却比训练时相差太大，权重衰减和Dropout就是使模型变得简单，不那么复杂权重衰减通过限制模型权重参数为一个小的范围，使模型函数趋于平滑；权重衰减是作用于loss函数上面，常见的有L
cv_lhp·2022-11-21 00:41

动手学深度学习》笔记 2.4 “微积分”

在微积分这一章节中，理论知识自不必说，考研都考过了的。就是在此书中的画出函数微分图像的示例值得关注一下。说白了其实就是我的python基础还是差劲了点。比较值得注意的点是，作者将画图的代码都封装到了一个函数里，比如图的横纵坐标的参数，以及图的尺寸的大小，当后面多处需要画图时，简单调用就行。这是每一个初学编程者学到函数章节时都会学的思想，只不过被我这个小菜鸡遗忘了。在这一小节，记录的还是在此书示例时
Master_Chen~·2022-11-21 00:07

动手学深度学习v2（pytorch版）——多层感知机

多层感知机定义我们可以通过在网络中加入一个或多个隐藏层来克服线性模型的限制，使其能处理更普遍的函数关系类型。要做到这一点，最简单的方法是将许多全连接层堆叠在一起。每一层都输出到上面的层，直到生成最后的输出。我们可以把前−1层看作表示，把最后一层看作线性预测器。这种架构通常称为多层感知机（multilayerperceptron），通常缩写为MLP。多层感知机在输出层和输入层之间增加一个或多个全连接
小趴菜hahaha·2022-11-21 00:06

多层感知机的简洁实现

注：本文参考李沐老师的动手学深度学习第二版，代码是教材上的，我只是调整一些参数，加一些层数看看训练效果。
无 眠·2022-11-20 23:29

动手学深度学习Pytorch---预备知识

【1】预备知识1.1数据操作1）x=torch.arange(12)#包含以0开始的前12个整数的行向量，默认为整数。也可指定创建类型为浮点数。2）x.shape#可通过张量的shape属性来访问张量（沿每个轴的长度）的形状。3）x.numel()#返回数组中元素的个数4）torch.Size([12])#检测它的大小5）X=x.reshape(3,4)#改变张量的形状而不改变元素数量和元素值。#
xuehao555·2022-11-20 22:02

动手学习深度学习 PyTorch版-笔记汇总-不完全指北

一、课程资源B站：动手学深度学习PyTorch版教材：动手学深度学习2.0.0-beta1documentation(d2l.ai)课程论坛讨论：中文版-D2LDiscussionPytorch论坛：PyTorchFor
DLNovice·2022-11-20 22:57

动手学深度学习----线性回归的简洁实现

线性回归的简洁实现—调用pytorch中封装好的函数#线性回归的简洁实现importnumpyasnpimporttorchfromtorch.utilsimportdatafromd2limporttorchasd2lfromtorchimportnn#nn是神经网络的缩写true_w=torch.tensor([2,-3.4])true_b=4.2features,labels=d2l.syn
几度热忱·2022-11-20 22:19

动手学深度学习Pytorch---线性神经网络

【1】线性神经网络1.1softmax回归—分类问题1）回归vs分类回归估计一个连续值分类预测一个离散类别回归：1.单连续数值输出；2.自然区间R；3.跟真实的区别作为损失。分类：1.通常多个输出；2.输出i是预测为第i类的置信度。2）从回归到多类分类----------均方损失、无校验比例对类别进行一位有效编码y=[[[y_1，，，y_2，...，，...，，...，y_n]T]^T]Tyi={
xuehao555·2022-11-20 22:48

线性回归模型的从零开始 || 深度学习 || Pytorch ||动手学深度学习08 || 跟李沐学AI

——高适本文是对于跟李沐学AI——动手学深度学习第8节：线性回归的从零开始的代码实现、从生成数据集到模型参数的初始化、从创建数据迭代器到定义线性回归模型、损失函数与优化函数、最后根据设置的迭代轮次对模型进行训练
KevinDuangDuangDuang·2022-11-20 21:20

李沐动手学深度学习第四章-4.4模型选择、欠拟合和过拟合

如何发现可以泛化的模式是机器学习的根本问题。1.训练误差和泛化误差训练误差（trainingerror）是指模型在训练数据集上计算得到的误差。泛化误差（generalizationerror）是指，模型应用在同样从原始样本的分布中抽取的无限多数据样本时，模型误差的期望。考虑对掷硬币的结果（类别0：正面，类别1：反面）进行分类的问题。假设硬币是公平的，无论我们想出什么算法，泛化误差始终是1/2。然而
nousefully·2022-11-20 21:14

李沐动手学深度学习第四章-4.6暂退法（Dropout）

1.重新审视过拟合即使我们有比特征多得多的样本，深度神经网络也有可能过拟合。2.扰动的稳健性毕晓普的想法应用于网络的内部层提出了一个想法：在训练过程中，他们建议在计算后续层之前向网络的每一层注入噪声。因为当训练一个有多层的深层网络时，注入噪声只会在输入-输出映射上增强平滑性。这个想法被称为暂退法（dropout）。暂退法在前向传播过程中，计算每一内部层的同时注入噪声，这已经成为训练神经网络的常用技
nousefully·2022-11-20 21:14

【动手学深度学习】1.数据操作 + 数据预处理

前言这一部分笔记讲解的是数据的一些操作及其预处理，涉及torch库，numpy库，以及pandas库，有疑问可以直接搜这些库。数据操作1.N维数组是机器学习和神经网络的主要数据结构。下面是N维数组样例：2.创建数组访问元素在jupyter中实践一下，importnumpy引入numpy库定义一个二维数组：而后访问一些元素：前四个访问都好理解，只需要注意索引是从0开始，和别的编程语言一样，且冒号左右
Roar_Ryoma·2022-11-20 20:06

【动手学深度学习笔记】一.数据操作

文章目录1.张量的概念1.1.torch.arange(12)1.2.reshape(3,4)1.3.torch.zeros(2,3,4)1.4.torch.ones((2,3,4))1.5.torch.randn(2,3,4)1.6.torch.tensor([[2,3,4],[3,4,5]])2.运算符3.广播机制1.张量的概念概念：Pytorch或者Tensorflow中的TensorTen
Allenpandas·2022-11-20 20:34

（零）多输入多输出通道

参考视频：沐神动手学深度学习-多输入多输出通道多输入通道，如彩色图像，RGB三个通道。转换为灰度会丢失信息。多个输入通道每个通道都有一个卷积核，结果就是所有通道卷积结果的和。
我要糖·2022-11-20 18:42

SOFTMAX回归的从零开始实现

《动手学深度学习pytorch》部分学习笔记，仅用作自己复习。
Clark-dj·2022-11-20 15:51

动手学深度学习-pytorch版

Task01线性回归线性回归的基本要素：模型、数据集、损失函数和优化函数Softmax与分类模型多层感知机Task02文本预处理文本是一类序列数据，一篇文章可以看作是字符或单词的序列，本节将介绍文本数据的常见预处理步骤，预处理通常包括四个步骤：1.读入文本2.分词3.建立字典，将每个词映射到一个唯一的索引（index）4.将文本从词的序列转换为索引的序列，方便输入模型读入文本lines=[re.s
qq_30205387·2022-11-20 14:52

torch not compiled with CUDA enabled

由于我跟着李沐老师的本地CUDA和Pytorch安装视频：Windows下安装CUDA和Pytorch跑深度学习-动手学深度学习v2_哔哩哔
每天只睡23小时·2022-11-20 12:19

chapter_linear-networks：softmax回归

softmax回归sec_softmax参考动手学深度学习教材对应章节：https://zh-v2.d2l.ai/根据课程相关章节的Jupyter文件进行运行得到结果并导出。
weiket·2022-11-20 10:24

深度学习笔记1——正则化

根据开源中文版学习整理，仅作为学习使用。侵权请联系删除。
angkoryy·2022-11-20 10:19

动手学深度学习（五十）——多头注意力机制

文章目录1.为什么用多头注意力机制2.什么是多头注意力机制3.多头注意力机制模型和理论计算4.动手实现多头注意力机制层小结练习1.为什么用多头注意力机制所谓自注意力机制就是通过某种运算来直接计算得到句子在编码过程中每个位置上的注意力权重；然后再以权重和的形式来计算得到整个句子的隐含向量表示。自注意力机制的缺陷就是：模型在对当前位置的信息进行编码时，会过度的将注意力集中于自身的位置，因此作者提出了通
留小星·2022-11-20 07:59

动手学深度学习李沐 —预备知识01

文章目录摘要1.数据操作1.1基本入门操作1.2运算1.3广播机制1.4索引和切片1.5节省内存1.6转换为其他Python对象2.数据预处理2.1读取数据集2.2处理缺失值2.3删除缺失值2.4转换为张量格式摘要一是讲解深度学习存储和操作数据的主要接口是张量（维数组）。它提供了各种功能，包括基本数学运算、广播、索引、切片、内存节省和转换其他Python对象。二是讲解了创建及用pandas加载cs
HSR CatcousCherishes·2022-11-20 06:29

李沐 动手学深度学习 第二版

《动手学深度学习》—动手学深度学习2.0.0-beta0documentation(d2l.ai)http://zh.d2l.ai/李沐动手学深度学习第二版
ouger爱编程·2022-11-20 06:13

0824深度学习笔记--李沐《动手学深度学习》

目录简单数据操作元素访问元素基本操作数据预处理简单数据操作N维数组是机器学习和神经网络的主要数据结构元素访问比如数组[[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]]访问一个元素：[1,2]）（7）访问一行元素：[1,:]（[5,6,7,8]）访问一列元素：[:,1]（2，6，10，14）子区域：[1:3,1:]（表示第1行到第3行的开区间结束，即第1
不玩游戏的小菜鸡·2022-11-20 06:12

李沐——动手学深度学习课后作业

文章目录二、预备知识2.2数据预处理2.3线性代数2.4微积分2.5自动微分二、预备知识2.2数据预处理创建包含更多行和列的原始数据集。删除缺失值最多的列。将预处理后的数据集转换为张量格式。importnumpyasnpimporttorchimportpandasaspddf=pd.read_excel('D:/pycharmdata/data/2-2.xlsx')df.isnull().sum
一——一·2022-11-20 06:11

【深度学习】李沐的深度学习笔记来了！

转载自|机器之心去年年初，机器之心知识站上线了亚马逊资深首席科学家李沐博士的「动手学深度学习」中文系列课程。这门课从3月持续到8月，超过28000人参与了直播，课程回放在B站的播放量达到了上百万次。
风度78·2022-11-20 06:09

ICLR 2021杰出论文奖公布！8篇论文入选！获奖华人一作14岁保送清华

其中，获奖工作1的一作AstonZhang是《动手学深度学习》的作者之一，其余作者有李沐、AlexSmola
Amusi（CVer）·2022-11-20 06:36

李沐动手学深度学习d2l

《动手学深度学习PyTorch》中的d2lzh_python包的安装方式一d2l_python是动手学深度学习PyTorch中的包，所以他的安装使用离线安装。
snowy2002·2022-11-20 06:34

《动手学深度学习》入门环境安装

李沐《动手学深度学习》纯新手环境安装环境安装（这好像是mxnet我用了一段时间改到pytorch了）第一步第二步第三步第四步第五步pyrorch版环境安装（这好像是mxnet我用了一段时间改到pytorch
yingmi666·2022-11-20 05:08

李沐等主编的《动手学深度学习》Mxnet-cpu+gpu环境的搭建

一.Mxnet-cpu环境的搭建1.安装miniconda；2.下载本书的全部代码的压缩包，链接:https://www.epubit.com/bookDetails?id=N38286&typeName=%E6%90%9C%E7%B4%A2.3.在电脑某一磁盘创建文件夹“d2l-zh”，并将下载后的代码压缩包解压至该文件夹中，并在该目录文件资源管理器的地址栏输入“cmd”，进入命令行模式4.进入
明德zhuang·2022-11-20 04:32

动手学深度学习第一天

1、安装d2lzh_pytorch该库的下载地址：链接:https://pan.baidu.com/s/1zHovi6T0zaEL5MNwknh56Q密码:grgv下载后得到文件：将整个文件夹移到如下目录中（该处和Windows的路径稍有不同，注意辨别）进行如下两步操作后，直接就可以了。2、nn.Conv2dfromtorchimportnnconv2d=nn.Conv2d(in_channels
狂奔的菜驰·2022-11-20 04:30

跟李沐学AI 动手学深度学习 环境配置d2l、pytorch的安装 （windows环境、python版本3.7）

我们的任务主要有：配置过程中主要参考了以下文章：https://blog.csdn.net/qq_38311396/article/details/120768038配置详细步骤:第一步：根据操作系统下载并安装MinicondaMiniconda下载地址：（https://conda.io/en/master/miniconda.html）Miniconda安装后出现问题——‘conda’不是内部
阿雪_·2022-11-20 04:59

动手深度学习 李沐 pytorch版本 基于Win10环境配置

动手深度学习李沐pytorch版本基于Win10环境配置前言步骤1.开源书的网址中下载后期学习所用的包2.开始创建前言提示：1.这篇文章用来记录我在B站学习李沐老师的动手学深度学习课程中的环境配置过程；
Nommmmmore·2022-11-20 04:25

跟李沐老师动手学深度学习-01Windows用户搭建本地运行环境

第一步，安装mini-Anaconda。因为我的机器之前已经安装了anaconda，所以这一步略过，有机会我会补充进来；另外，建议刚刚安装好mini-anaconda/anaconda将下载源换成国内源，否则在后续的安装各种依赖包的过程中可能会出现安装失败或者安装巨慢的情况。（李沐老师在安装环境的时候首先是搭配好了在服务器上得运行环境，然后直接将要用的代码下载在了配置好的环境里，而我们Window
?LAST·2022-11-20 04:24

李沐 动手学深度学习视频教程 环境配置

声明：本文档来自视频(https://www.bilibili.com/video/av63439164?t=1217)中提到的项目中的install.md。详细描述了各系统的配置教程，本人在学习过程中并没有找到详细的教程，都是东拼西凑配置出来的，过程属实困难。配置好了之后反倒是在项目里找到了完整的配置教程（套娃警告），因此把这个md文档发出来以供参考。获取和运行本书的代码本节将介绍如何获取本书的
木奢·2022-11-20 04:52

李沐动手学深度学习v2/总结2

总结编码过程数据数据预处理模型参数，初始化参数超参数损失函数，先计算损失，清空梯度（防止有累积的梯度），再对损失后向传播计算损失关于参数的梯度优化算法，使用优化算法更新参数训练求参数线性回归训练过程#开始训练num_epochs=3forepochinrange(num_epochs):#获取小批量样本forX,yindata_iter:#net中带有w和b，传入x即可l=loss(net(X),
xcrj·2022-11-20 04:18

李沐动手学深度学习v2/总结3

总结行情CV领域已经成熟了，最近都在搞产品，没搞CNN的设计编码过程数据数据预处理模型参数，初始化参数超参数损失函数，先计算损失，清空梯度（防止有累积的梯度），再对损失后向传播计算损失关于参数的梯度优化算法，使用优化算法更新参数训练求参数线性回归训练过程#开始训练num_epochs=3forepochinrange(num_epochs):#获取小批量样本forX,yindata_iter:#n
xcrj·2022-11-20 04:18

0李沐动手学深度学习v2/环境准备

配置miniconda#下载miniconda安装命令文件wgethttps://repo.anaconda.com/miniconda/Miniconda3-py38_4.12.0-Linux-x86_64.sh#安装minicondabashMiniconda3-py38_4.12.0-Linux-x86_64.sh#进入condabase环境，后续都base环境中操作bash#python安
xcrj·2022-11-20 04:17

李沐 《动手学深度学习》学习笔记（1）Google Colab下的环境配置

李沐《动手学深度学习》学习笔记（1）GoogleColab下的环境配置第一部分环境配置第二部分下载资源第三部分开始动手第一部分环境配置#第一部分配置环境fromgoogle.colabimportdrivedrive.mount
Artificial Idiots·2022-11-20 04:15

李沐的动手学深度学习环境配置

目录动手学深度学习环境配置1.创建环境：2.安装Pytorch包3.安装d2l包4.创建Kernel动手学深度学习环境配置windows系统的环境配置方法(李沐亲授)安装Anaconda、CUDA、Pytorch
巅疯黑羊~·2022-11-20 04:42

动手学深度学习-准备基础

动手学深度学习-准备基础动手学深度学习基础知识：第1章：深度学习背景起源：神经网络核心原则：发展：特点机器学习和深度学习的关系：端到端训练：第2章：动手学深度学习的预备知识算法操作：索引：改变形状：线性函数广播机制运算的内存开销
一眼乾年·2022-11-20 04:14

李沐动手学深度学习笔记---AlexNet

简介：更深更大的LeNet主要改进为：丢弃法Dropout、Relu、MaxPooling；激活函数从sigmoid变成了Relu；隐藏全连接层后加入丢弃层；数据增强架构：总体架构：代码实现：importtorchfromtorchimportnnfromd2limporttorchasd2lnet=nn.Sequential(#这⾥，我们使⽤⼀个11*11的更⼤窗⼝来捕捉对象。#同时，步幅为4，
天天向上inger·2022-11-20 03:52

李沐-动手学深度学习-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。线性模型可以看做是单层神经网络。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。线性回归具有显示解。基础优化算法：梯度下降步骤1：挑选一个初始值w0步骤2：重复迭代参数沿梯度方向将增加损失函数值学习率：步长的超参数学习率：不能太小：效率低；也不能太大：震荡没有下降；总结：梯度下降通过不断
啥都想学点的研究生·2022-11-20 03:22

李沐-动手学深度学习-softmax介绍

回归估计一个连续值分类预测一个离散类别1.softmax函数的解释：Softmax从字面上来说，可以分成soft和max两个部分。max故名思议就是最大值的意思。Softmax的核心在于soft，而soft有软的含义，与之相对的是hard硬。很多场景中需要我们找出数组所有元素中值最大的元素，实质上都是求的hardmax。hardmax最大的特点就是只选出其中一个最大的值，即非黑即白。但是往往在实际
啥都想学点的研究生·2022-11-20 03:22

李沐-动手学深度学习-图像分类数据集

MNIST数据集是图像中广泛使用的数据集之一，但作为基准数据集过于简单。我们将使用类似但更复杂的Fashion-MNIST数据集。通过框架中的内置函数将Fashion-MNIST数据集下载并读取到内存中。Fashion-MNIST由10个类别的图像组成，每个类别由训练数据集（traindataset）中的6000张图像和测试数据集（testdataset）中的1000张图像组成。因此，训练集和测试
啥都想学点的研究生·2022-11-20 03:22

李沐-动手学深度学习

n维数组是机器学习和神经网络的主要数据结构。首先导入torch:张量表示一个数值组成的数组，这个数组可能有多个维度arange(x):表示0到x-1的整数数列，左闭右开张量的shape属性来访问张量的形状和张量中元素的总数张量的numel()属性来访问张量中元素的总数（标量）改变一个张量的形状而不改变元素数量和元素值，我们可以调用reshape()函数dtype确定张量的数值类型（dtype=to
啥都想学点的研究生·2022-11-20 03:51
上一页 32 33 34 35 36 37 38 39 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他