动手学深度学习学习整理第38页

李沐《动手学深度学习》d2l——安装和使用

李沐《动手学深度学习》d2l——安装和使用安装d2l解决Import“...“couldnotberesolved问题PermissionError:[WinError5]拒绝访问。:'..

梁小憨憨·2022-11-09 04:57

【机器学习】《动手学深度学习》d2l 李沐B站视频配套学习笔记

文章目录各种基础铺垫如何安装d2l包？本书的内容框架3-线性神经网络（基础回归模型）3.1内容介绍3.4softmax回归补充：逻辑回归1线性回归模型完整代码2代码拆解-数据准备（数）3代码拆解-模型准备4代码拆解-模型训练4多层感知机4.1感知机-1960年发明什么是感知机？它为什么一定能收敛？感知机存在的问题？感知机总结4.2多层感知机多层感知机-单分类（二分类）常用的激活函数-没有太多想法就

鱼与钰遇雨·2022-11-09 04:26

动手学深度学习（三十八）——从零开始实现循环神经网络RNN

文章目录1.数据加载与转换1.1加载Timemachine这本书1.2读取《星球大战》书籍数据集2.初始化模型参数3.循环神经网络模型4.预测5.梯度裁剪6.训练小结练习【说明】：这里加载了两本书的数据，都是李沐沐神书中提到的数据。由于沐神封装的代码都是加载的《Timemachine》，所以我是将前面两篇Blog的代码又在这里复写了一遍，用来加载《星球大战》数据集。后面的内容是对沐神课程和代码的一

留小星·2022-11-09 04:55

【动手学深度学习】李沐——卷积神经网络

本文是李沐老师的【动手学深度学习】课程的学习记录，具体章节为卷积神经网络章节。

FavoriteStar·2022-11-09 04:25

【动手学深度学习】李沐——多层感知机

多层感知机的从零开始实现importtorchfrommatplotlibimportpyplotaspltfromtorchimportnnfromd2limporttorchasd2lbatch_size=256train_iter,test_iter=d2l.load_data_fashion_mnist(batch_size)#初始化模型参数num_inputs,num_outputs,n

FavoriteStar·2022-11-09 04:24

【动手学深度学习】李沐——线性神经网络

图像分类数据集importtorchimporttorchvisionfrommatplotlibimportpyplotaspltfromtorch.utilsimportdatafromtorchvisionimporttransformsfromd2limporttorchasd2l#在数字标签索引以及文本名称之间转换defget_fashion_mnist_labels(labels):#

FavoriteStar·2022-11-09 04:54

【动手学深度学习】李沐——循环神经网络

本文内容目录序列模型文本预处理语言模型和数据集循环神经网络RNN的从零开始实现RNN的简洁实现通过时间反向传播门控循环单元GRU长短期记忆网络（LSTM）深度循环神经网络双向循环神经网络机器翻译与数据集编码器-解码器架构序列到序列学习（Seq2Seq)束搜索李沐老师在本章节中主要讲解了关于循环神经网络和编码器-解码器的内容，主要关注于实用方向，对于其理论并没有深挖，如果感兴趣可以看我这两篇博客，是

FavoriteStar·2022-11-09 04:52

Python 面向对象学习整理（看这一篇就足够了）

Python面向对象编程一、面向对象中的几点概念1.1什么是类？1.2什么是实例？1.3什么是属性？1.4什么是方法？二、Python使用面向对象编程2.1定义一个类2.2给类添加基本属性2.3给类添加方法2.4访问权限控制三、使用继承，封装，多态3.1使用继承3.2方法的覆盖3.2.1一般的方法覆盖情况3.2.2init方法覆盖3.3封装3.3.1封装程度（**）3.3.2封装程度（***）3.

DY.memory·2022-11-07 10:21

深度学习PyTorch笔记（10）：PyTorch绘制函数图像及切线

深度学习PyTorch笔记（10）：PyTorch绘制函数图像及切线这是《动手学深度学习》（PyTorch版）（Dive-into-DL-PyTorch）的学习笔记，里面有一些代码是我自己拓展的。

三耳01·2022-11-07 09:41

在 pytorch 中加载和使用图像分类数据集 Fashion-MNIST

参考：《动手学深度学习》（Pytorch）版3.5节注：本文是jupyternotebook文档转换而来，部分代码可能无法直接复制运行！

云端FFF·2022-11-06 07:16

门控循环单元（GRU）【动手学深度学习v2】

理论候选隐藏状态。圆圈表示按元素乘法。这里面的这个符号值得是按元素相乘。Rt理解为和Ht长度一样的一维向量。（这么理解）这里如果Rt长的像0的话，那么乘出来的结果，就也像0。要是像0的话，相当于是说把上一刻的隐藏转态给遗忘掉。在这里Rt是可以学的。全是0的话，相当于回到初始转态。全是1的话，都保留。真正的隐状态：假设Zt都等于1，那么就相当于只看过去的状态，不看现在的状态，如果Zt都等于0，那么相

东方-教育技术博主·2022-11-05 14:09

动手学深度学习：3.5 图像分类初级

3.5图像分类数据集（Fashion-MNIST）在介绍softmax回归的实现前我们先引入一个多类图像分类数据集。它将在后面的章节中被多次使用，以方便我们观察比较算法之间在模型精度和计算效率上的区别。图像分类数据集中最常用的是手写数字识别数据集MNIST[1]。但大部分模型在MNIST上的分类精度都超过了95%。为了更直观地观察算法之间的差异，我们将使用一个图像内容更加复杂的数据集Fashion

AI_Younger_Man·2022-11-05 07:13

pytorch深度学习实战lesson5

目录实践部分数据操作数据处理课程网站：04数据操作+数据预处理【动手学深度学习v2】_哔哩哔哩_bilibili第五课数据操作从本节课开始，我们将跟着李沐老师学习《动手学深度学习》李沐老师使用的架构是当今非常火热的

光·宇·2022-11-04 11:55

【动手学深度学习PyTorch版】22续 ResNet为什么能训练出1000层的模型

本文是上篇【动手学深度学习PyTorch版】22残差网络ResNet_水w的博客-CSDN博客的续目录一、ResNet为什么能训练出1000层的模型1.1Residual如何处理梯度消失？

水w·2022-11-04 06:05

重磅｜深度学习神书《动手学深度学习》集齐TensorFlow、PyTorch和MXNet三大框架

昨天，亚马逊的李沐大佬在知乎发文，《动手学深度学习》这本书的例子开始支持TensorFlow了（已经支持到第七章），当前该书的例子终于在MXNet之外开始官方支持PyTorch和TensorFlow两大主流深度学习框架了

u010900574·2022-11-03 09:02

动手学习深度学习笔记

第2章提供动手学深度学习所需要的预备知识。第3章包括深度学习最基础的概念和技术，如多层感知机和模型正则化。如果读者时间有限，并且只想了解深度学习最基础的概念和技术，那么只需阅读第一部分。

zianren·2022-11-03 09:02

【动手学深度学习PyTorch版】17 深度卷积神经网络 AlexNet

上一篇请移步【动手学深度学习PyTorch版】16经典卷积神经网络LeNet_水w的博客-CSDN博客目录一、深度卷积神经网络AlexNet1.1核方法1.2发展◼特征工程◼数据和算力不同阶段的发展程度

水w·2022-11-02 20:23

机器学习中产生过拟合和欠拟合的原因

学李沐大佬的《动手学深度学习》的笔记。

多写代码少摸鱼·2022-11-02 18:04

01深度学习笔记--李沐《动手学深度学习》

文章目录01深度学习笔记--李沐安装数据操作数据预处理01深度学习笔记–李沐课前储备：包括安装、数据操作和数据预处理等《动手学深度学习》中文版网页第一版：《动手学深度学习》中文版网页第一版课程主页：课程主页教材

weixin_47074973·2022-11-01 19:48

《动手学深度学习》学习笔记(一)

本书官网可以免费下载学习，同时还有伯克利深度学习课程。第一章深度学习简介与其设计⼀个解决问题的程序，不如从最终的需求⼊⼿来寻找⼀个解决⽅案。事实上，这也是⽬前的机器学习和深度学习应⽤共同的核⼼思想：我们可以称其为“⽤数据编程”。机器学习是⼀⻔讨论各式各样的适⽤于不同问题的函数形式，以及如何使⽤数据来有效地获取函数参数具体值的学科。深度学习是指机器学习中的⼀类函数，它们的形式通常为多层神经⽹络。1、

xiaoyaolangwj·2022-11-01 19:18

动手学深度学习笔记3.1+3.2+3.3

文章目录前言一、线性回归1.1线性回归概念1.2神经网络图1.3线性回归模型的基本要素1.3.1模型1.3.2训练模型1.3.3损失函数1.3.4优化算法1.3.5模型预测二、代码实现2.1从零开始实现线性回归2.1.1导入库2.1.2生成数据集2.1.3读取数据集2.1.4初始化模型参数2.1.5定义模型2.1.6定义损失函数2.1.7定义优化算法2.1.8训练模型2.1.9结果2.2线性回归简

超大青花鱼·2022-11-01 19:17

动手学深度学习v2笔记-Day2-线性回归

动手学深度学习v2Day20x00线性回归简单且流行的基本回归模型对n维输入xnx_nxn的加权wnw_nwn再加偏差bbb模型举例yyy=w1x1w_1x_1w1x1+w2x2w_2x_2w2x2+w3x3w

CabbSir·2022-11-01 19:16

动手学深度学习v2笔记-Day3-softmax回归

动手学深度学习v2Day30x00softmax回归回归和分类的区别差异类型回归分类输出值单个连续输出通常多个离散类别输出多个输入，多个输出输出i是预测为第i类的置信度softmax回归也是一种单层的神经网络

CabbSir·2022-11-01 19:16

09 Softmax 动手学深度学习 PyTorch版李沐视频课笔记

动手学深度学习PyTorch版李沐视频课笔记李沐视频课笔记其他文章目录链接(不定时更新)文章目录动手学深度学习PyTorch版李沐视频课笔记一、图像分类数据集1.Fashion-MNIST2.通过框架的内置函数将

认真学习的小张·2022-11-01 19:45

李沐_动手学深度学习第5章卷积神经网络第二部分_笔记

目录1.卷积神经网络（LeNet）2.深度卷积神经网络（AlexNet）3.使用重复元素的网络（VGG）4.网络中的网络（NiN）5.含并行连结的网络（GoogLeNet）6.批量归一化7.残差网络（ResNet)8.稠密连接网络（DenseNet）1.卷积神经网络（LeNet）卷积层代替全连接层的另一个好处是：模型更简洁、所需的参数更少。LeNet分为卷积层块和全连接层块两个部分。下面我们分别介

爱敲代码的小雨·2022-11-01 19:14

动手学深度学习代码在jupyter中的运行顺序

目录1.预备知识2.深度学习基础3.深度学习计算4.卷积神经网络1.预备知识2.深度学习基础3.深度学习计算4.卷积神经网络

爱敲代码的小雨·2022-11-01 19:14

李沐_动手学深度学习第三章深度学习基础_笔记

目录1.多层感知机2.模型选择、过拟合和欠拟合3.权重衰减4.丢弃法5.正向传播、反向传播和计算图6.数值稳定性和模型初始化7.实战kaggle比赛：房价预测1.多层感知机多层感知机就是含有至少一个隐藏层的由全连接组成的神经网络，且每个隐藏层的输出通过激活函数进行变换。多层感知机的层数和各隐藏层单元个数都是超参数。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隐藏层，并通过激活函数转换隐藏层的

爱敲代码的小雨·2022-11-01 19:44

李沐动手学深度学习_环境搭建

目录一、准备工作二、搭建书本所需的环境三、运行本书代码一、准备工作以下仅针对windows用户：1.先下载安装Anaconda：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/讲解视频链接如下：https://www.bilibili.com/video/BV1Z7411L7dy?p=1二、搭建书本所需的环境2.搭建CPU版本mxne

爱敲代码的小雨·2022-11-01 19:44

Pytorch 含并行连结的网络 GoogLeNet

Pytorch含并行连结的网络GoogLeNet0.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+

哇咔咔负负得正·2022-11-01 19:12

李沐动手学深度学习第四章-4.10.实战Kaggle比赛：预测房价

目录前几节我们学习了一些训练深度网络的基本工具和网络正则化的技术（如权重衰减、暂退法等）。本节我们将通过Kaggle比赛，将所学知识付诸实践。介绍数据预处理、模型设计和超参数选择。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.提交你的Kaggle预测9.小结介绍数据预处理、模型设计和超参数选择。1.下载和缓存数据集在整本书中，我们将下

nousefully·2022-11-01 19:42

动手学深度学习笔记（1）

动手学深度学习深度学习简介深度学习简介举一个小的例子，如何编写一个程序，让机器识别我输入的图片是否有一只猫？我们需要哪些值来帮助我们确定？

peacefairy·2022-11-01 19:12

动手学深度学习笔记day4

softmax回归全连接层的参数开销对于任何具有个d输入和q个输出的全连接层，参数开销为o(dq)。softmax运算softmax函数将未规范化的预测变换为非负并且总和为1，同时要求模型保持可导。我们首先对每个未规范化的预测求幂，这样可以确保输出非负。为了确保最终输出的总和为1，我们再对每个求幂后的结果除以它们的总和。在预测过程中，我们可以用下式来选择最有可能的类别。损失函数交叉熵损失（cros

努力学习的廖同学·2022-11-01 19:10

重学《动手学深度学习》 —— 深度学习简介（第一章）笔记

深度学习简介本章地址：https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter01_DL-intro/deep-learning-intro仅作为私人阅读笔记，欢迎讨论与分享简介机器学习和深度学习等数据科学方法可以看做是传统编程的逆向思考（以识别图中是否有猫为例）传统编程方法：编写函数，识别猫（编写函数实现需求）机器学习方法：先验的判断是否有猫，将源

妙脆角不妙了·2022-11-01 19:39

《动手学深度学习》笔记——深度学习简介

原文链接:https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter01_DL-intro/deep-learning-intro机器学习与深度学习通俗来说，机器学习是一门讨论各式各样的适用于不同问题的函数形式，以及如何使用数据来有效地获取函数参数具体值的学科。深度学习是指机器学习中的一类函数，它们的形式通常为多层神经网络。近年来，仰仗着大数据集和强大

洌泉_就这样吧·2022-11-01 19:39

李沐_动手学深度学习第7章优化算法_笔记

目录1.优化与深度学习1.1优化与深度学习的关系1.2优化在深度学习中的挑战2.梯度下降和随机梯度下降2.1一维梯度下降2.2学习率3.小批量随机梯度下降4.Adagrad算法5.RMSProp算法6.AdaDelta算法7.Adam算法1.优化与深度学习对于深度学习问题，我们通常会先定义损失函数。一旦我们有了损失函数，我们就可以使用优化算法来尝试最小化损失。在优化中，损失函数通常被称为优化问题的

爱敲代码的小雨·2022-11-01 19:38

李沐《动手学深度学习》学习笔记（5）第一章预备知识第三节线性代数

1.3线性代数1.3.1标量#标量由只有一个元素的张量表示frommxnetimportnp,npxnpx.set_np()x=np.array(3.0)y=np.array(2.0)x+y,x*y,x/y,x**y(array(5.),array(6.),array(1.5),array(9.))1.3.2向量x=np.arange(4)xarray([0.,1.,2.,3.])len(x)4x

Artificial Idiots·2022-11-01 19:38

李沐动手学深度学习V2-基于注意力机制的seq2seq

一.基于注意力机制的seq2seq1.Bahdanau注意力介绍在前面博客李沐动手学深度学习V2-seq2seq和代码实现中探讨了基于seq2seq架构的机器翻译问题：通过设计一个基于两个循环神经网络的编码器

cv_lhp·2022-10-30 03:44

动手学深度学习Kaggle：图像分类 (CIFAR-10和Dog Breed Identification)

目录CIFAR-10获取并组织数据集下载数据集整理数据集组织数据集更一般的方式图像增广读取数据集torchvision.datasets.ImageFolder()的特点定义模型定义训练函数训练和验证模型对测试集进行分类并提交结果（补充）超参数调整DogBreedIdentification特点获取数据集整理数据集由字符型的类别标签得到数字类型的类别标签划分出验证集自定义数据集函数图像增广读取数据

iwill323·2022-10-28 20:57

No such operator image::read_file问题解决

在学习动手学深度学习这门课的时候，在13.6节⽬标检测数据集这一章遇到了问题，读取数据的时候报错：Nosuchoperatorimage::read_file网上有人说问题在于pytorch版本和torchvision

iwill323·2022-10-28 20:57

强化学习——随机策略与策略梯度

本文内容源自百度强化学习7日入门课程学习整理感谢百度PARL团队李科浇老师的课程讲解另外一位博主写的很精彩https://blog.csdn.net/qq_42067550/article/details

深海沧澜夜未央·2022-10-28 10:20

DAY2-《动手学深度学习》(PyTorch版)

Task03：过拟合和欠拟合一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）；另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模型复杂度和训练数据集大小。模型复杂度为了解释模型复杂度，我们以多项式函

小璇爱学习·2022-10-27 17:30

动手学深度学习PyTorch（五）：深度学习计算

1.模型构造1.1继承Module类来构造模型Module类是nn模块里提供的一个模型构造类，是所有神经网络模块的基类，我们可以继承它来定义我们想要的模型。下面继承Module类构造本节开头提到的多层感知机。这里定义的MLP类重载了Module类的__init__函数和forward函数。它们分别用于创建模型参数和定义前向计算。前向计算也即正向传播。importtorchfromtorchimpo

J_Xiong0117·2022-10-27 17:55

【动手学深度学习PyTorch版】16 经典卷积神经网络 LeNet

上一篇请移步【动手学深度学习PyTorch版】15池化层_水w的博客-CSDN博客目录一、LeNet1.1手写数字识别◼手写数字识别◼MNIST数据集1.2LeNet1、INPUT层-输入层2、C1层-

水w·2022-10-27 17:53

【动手学深度学习PyTorch版】15 池化层

上一篇请移步【动手学深度学习PyTorch版】14卷积层里的多输入多输出通道_水w的博客-CSDN博客目录一、池化层1.1池化层◼池化层原因◼二维最大池化1.2填充、步幅与多个通道1.3平均池化层1.4

水w·2022-10-27 17:53

【动手学深度学习PyTorch版】14 卷积层里的多输入多输出通道

目录一、卷积层里的多输入多输出通道1.1多输入多输出通道◼多个输入通道◼多输出通道◼1*1卷积核◼二维卷积层◼总结二、代码实现2.1输入与输出（使用自定义）◼多输入多输出通道互相关运算2.21X1卷积（使用自定义）2.31X1卷积（使用框架）一、卷积层里的多输入多输出通道1.1多输入多输出通道◼多个输入通道通常来说，我们会用到彩色图片，彩色图像一般是由RGB三个通道组成的。彩色图片一般会有更加丰富

水w·2022-10-27 17:23

动手学深度学习Pytorch（三）——卷积神经网络

文章目录1.参考资料2.图像卷积2.1互相关运算（cross-correlation）2.2学习卷积核2.3特征图和感受野3.填充和步幅（paddingandstride）3.1填充（padding）3.2步幅（stride）4.多输入多输出通道4.1多输入通道4.2多输出通道4.31×11\times11×1卷积层4.4二维卷积层5.池化层5.1最大池化层和平均池化层5.2超参数6.卷积层的超参

冠long馨·2022-10-27 17:50

动手学深度学习Pytorch版本学习笔记 Task 09

1.目标检测基础目标检测基础主要注意关于输入输出数据问题：两个术语:（1）真实边界框（ground-truthboundingbox）：通俗讲，ground-truthboundingbox也就是人工对数据集标注的边界框，也就是y_labels（2）锚框（anchorbox）：anchorbox是要计算的边框数值，也就是y_predict（最后计算和y_labels的loss）有以下几个主要参数：

夜灬凄美·2022-10-27 17:20

【动手学深度学习PyTorch版】12 卷积层

上一篇移步【动手学深度学习PyTorch版】11使用GPU_水w的博客-CSDN博客目录一、卷积层1.1从全连接到卷积◼回顾单隐藏层MLP◼Waldo在哪里？

水w·2022-10-27 17:18

【动手学深度学习PyTorch版】13 卷积层的填充和步幅

上一篇移步【动手学深度学习PyTorch版】12卷积层_水w的博客-CSDN博客目录一、卷积层的填充和步幅1.1填充1.2步幅1.3总结二、代码实现填充和步幅（使用框架）一、卷积层的填充和步幅1.1填充假设我们给出一个输入图像的大小为

水w·2022-10-27 11:54

【动手学深度学习PyTorch版】9 Kaggle房价预测

上一篇移步【动手学深度学习PyTorch版】8数值稳定性、模型初始化、激活函数_水w的博客-CSDN博客目录一、Kaggle房价预测一、Kaggle房价预测（1）下载数据集，使用pandas读入并处理数据

水w·2022-10-25 10:58

推荐频道

动手学深度学习学习整理