动手学深度学习学习整理第42页

Win10—pytorch环境配置

本文中的配置操作来源于沐神的视频教程，网址如下：Windows下安装CUDA和Pytorch跑深度学习-动手学深度学习v2_哔哩哔哩(゜-゜)つロ干杯~-bilibilipytorch的GPU环境配置真的是相当简单啊

繁星&皓月·2022-06-22 07:31

李沐动手学深度学习V2-语言模型，NLP数据集加载和数据迭代器实现以及代码实现

一.语言模型和数据集1.介绍将文本数据映射为词元，以及将这些词元可以视为一系列离散的观测，例如单词或字符。假设长度为TTT的文本序列中的词元依次为x1,x2,…,xTx_1,x_2,\ldots,x_Tx1,x2,…,xT，于是xtx_txt（1≤t≤T1\leqt\leqT1≤t≤T）可以被认为是文本序列在时间步ttt处的观测或标签。在给定这样的文本序列时，语言模型（languagemodel）

cv_lhp·2022-06-22 07:53

thinkphp6-学习记录-应用手册

thinkphp6ThinkPHP6-开发学习整理TP6框架源码下载项目目录框架测试安装重点介绍TP6的架构详述-依赖注入容器与系统服务和门面中间件事件触发监听路由器详解数据库主要特性：连接数据库配置文件连接参数切换连接模型类定义配置参数参考断线重连分布式数据库分布式支持读写分离主库读取查询构造器查询数据查询单个数据查询数据集值和列查询数据分批处理游标查询添加数据添加一条数据添加多条数据更新数据自

amingMM·2022-06-21 18:19

《动手学深度学习》第三章——（3）softmax回归的从零开始实现_学习思考与习题答案

文章目录softmax回归的从零开始实现初始化模型参数定义softmax操作定义模型定义损失函数分类精度训练预测小结练习#作者github[源码地址](https://github.com/Zhangshuor/deeplearning/tree/main/chapter_linear-networks)softmax回归的从零开始实现sec_softmax_scratch(就像我们从零开始实现线

coder_sure·2022-06-21 07:22

canvas基础3 - 点阵式数据结构

canvas基础3-点阵式数据结构本文是canvas基础2-arc-画弧线，通俗易懂，小白也没烦恼，根据慕课网liuyubobobo老师的视频课学习整理视频课指路：慕课网liuyubobobo老师炫丽的倒计时效果

·2022-06-20 00:41

李沐-动手学深度学习（六）线性回归

1、线性模型输出层不算一层，因为不带权重。训练数据：收集数据点来决定参数值（权重和偏差）。数据在每个样本上损失的均值：线性模型有显示解。因为线性模型，所以损失是一个凸函数，所以最优解是梯度为0的地方。2、基础优化方法（1）梯度下降学习率，不能选太小，也不能太大总结3、线性回归的从零开始实现chapter_linear-networks/linear-regression-scratch.ipynb

minlover·2022-06-18 14:42

注意力、自注意力和多头注意力

动手学深度学习笔记一、注意力评分函数1.maskedsoftmax2.加性注意力3.缩放点积注意力二、使用注意力机制的Seq2Seq1.重新定义上下文向量2.定义注意力解码器三、多头注意力1.模型2.代码实现四

葫芦娃啊啊啊啊·2022-06-16 01:35

多层感知机总结-PyTorch

动手学深度学习-多重感知机笔记多层感知机多层感知机的从零开始实现多层感知机的简洁实现范数与权重衰减(weightdecay)暂退法(Dropout)前向传播和反向传播梯度消失和梯度爆炸模型验证方法过拟合和欠拟合多层感知机多层感知机

葫芦娃啊啊啊啊·2022-06-16 01:34

CNN卷积神经网络-PyTorch

动手学深度学习-CNN笔记一、从全连接层到卷积二、图像卷积1.卷积层2.学习卷积核参数3.特征映射和感受野三、填充(padding)四、步幅(stride)五、多输入多输出通道1.多输入通道2.多输出通道

葫芦娃啊啊啊啊·2022-06-16 01:34

springboot学习

学习整理摘自http://www.yund.tech/zdetail.html?

张帆demo·2022-06-15 11:29

李沐动手学深度学习V2-风格迁移学习（style transfer learning）和代码实现

一.风格迁移学习（styletransferlearning）1.介绍本节介绍如何使用卷积神经网络，自动将一个图像中的风格应用在另一图像之上，即风格迁移学习（styletransferlearning）。这里需要两张输入图像：一张是内容图像，另一张是风格图像，使用卷积神经网络修改内容图像，使其在风格上接近风格图像。例如下图中内容图像为李沐老师在西雅图郊区的雷尼尔山国家公园拍摄的风景照，而风格图像则

cv_lhp·2022-06-14 17:30

Dropout【动手学深度学习v2】

Dropout1.理论好的模型应该对输入的扰动具有鲁棒性。使用有噪音的数据其实是一种正则化的手段（等价于Tikhonov正则）Dropout则是在层之间加入噪音，本质上是一种正则化的手段2.计算与使用无偏差地加入噪音（期望保持不变）E[x′]=p∗0+(1−p)∗x1−p=xE[x']=p*0+(1-p)*\frac{x}{1-p}=xE[x′]=p∗0+(1−p)∗1−px=x训练使用：一般用于

hei_hei_hei_·2022-06-12 07:35

李沐动手学深度学习V2-转置卷积和代码实现

一.转置卷积1.介绍卷积神经网络层中卷积层和汇聚层，通常会减少下采样输入图像的空间维度（高和宽）。然而如果输入和输出图像的空间维度保持相同，在以像素级分类的语义分割中将会很方便，输出像素所处的通道维可以保存有输入像素在同一位置上的分类结果。为了实现这一点，尤其是在空间维度被卷积神经网络层缩小后，可以使用另一种类型的卷积神经网络层，它可以增加上采样中间层特征图的空间维度。下面介绍转置卷积（trans

cv_lhp·2022-06-12 07:05

特征归一化总结（Feature Scaling）

纯粹自己学习整理，侵权删。也参考了部分笔记：https://www.cnblogs.com/shine-lee/p/11

Solor_Rays·2022-06-08 09:57

李沐-动手学深度学习-多层感知机的实现

多层感知机的从零开始实现1.多层感知机（MLP）原理简介多层感知机（MLP，MultilayerPerceptron）也叫人工神经网络（ANN，ArtificialNeuralNetwork），除了输入输出层，它中间可以有多个隐层，最简单的MLP只含一个隐层，即三层的结构，如下图：从上图可以看到，多层感知机层与层之间是全连接的。多层感知机最底层是输入层，中间是隐藏层，最后是输出层。隐藏层的神经元怎

啥都想学点的研究生·2022-06-08 07:20

自动求导（动手学深度学习v2）

importtorchx=torch.arange(4.0)print(x)x.requires_grad_(True)#存梯度x.gradprint(x.grad)y=2*torch.dot(x,x)print(y)#反向传播计算y关于x每个分量梯度y.backward()print(x.grad)print(x.grad==4*x)#默认情况会累积梯度x.grad.zero_()y=x*xy.

Recurss·2022-06-06 07:03

n-grams语言模型——【torch学习笔记】

语言模型引用翻译：《动手学深度学习》文本是序列数据的一个重要例子。事实上，我们将使用自然语言模型作为本章中许多例子的基础。鉴于此，值得对一些事情进行更详细的讨论。

一个语文不好的NLPer·2022-06-05 15:22

《动手学深度学习+PyTorch》3.5图像分类数据集（Fashion-MNIST）学习笔记

文章目录一、torchvision包二、步骤1.引入库2.下载数据集和测试集3.展示训练集中样本总结一、torchvision包torchvision包，它是服务于PyTorch深度学习框架的，主要用来构建计算机视觉模型。torchvision主要由以下几部分构成：1.torchvision.datasets:一些加载数据的函数及常用的数据集接口；2.torchvision.models:包含常用

稚晖君的小弟·2022-06-03 07:21

Pytorch 转置卷积

Pytorch转置卷积0.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·2022-06-02 11:38

Pytorch FCN 全卷积神经网络

PytorchFCN全卷积网络0.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·2022-06-02 11:38

Pytorch 语义分割和数据集

Pytorch语义分割和数据集0.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·2022-06-02 11:03

【PyTorch 07】动手学深度学习——chapter_preliminaries/ndarray 习题动手版

目录1.导入torch2.使用arange创建一个行向量x，这个行向量包含以0开始的前12个整数。3.通过张量的shape属性来访问张量x（沿每个轴的长度）的形状4.【重点】只想知道张量中元素的总数，可以检查它的大小（size）5.把张量x从形状为（12,）的行向量转换为形状为（3,4）的矩阵。6.创建一个形状为（2,3,4）的张量，其中所有元素都设置为0。7.创建一个形状为(2,3,4)的张量，

ECCUSXR·2022-05-30 07:06

Pytorch 模型选择，过拟合和欠拟合

模型选择，过拟合和欠拟合0.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·2022-05-27 07:40

李沐-动手学深度学习-线性代数

tensor()里面给一个元素表示一个标量向量视为标量组成的列表也可以通过索引访问张量中的元素通过len()函数访问张量的长度矩阵的转置（A.T）计算其元素的和指定维度求和axis=0，表示按第0个维度求和，就是消去第0个维度。默认情况下，调用求和函数会沿所有的轴降低张量的维度，使它变为一个标量。我们还可以指定张量沿哪一个轴来通过求和降低维度。以矩阵为例，为了通过求和所有行的元素来降维（轴0），我

啥都想学点的研究生·2022-05-24 15:15

Datawhale 《动手学深度学习》(二)

动手学深度学习（二）Day3过拟合&欠拟合及其解决方案一些概念高维线性回归实验从零开始的实现丢弃法梯度消失&梯度爆炸一些理论Kaggle房价预测实战循环神经网络进阶代码实现Day4机器翻译及相关技术定义代码实现注意力机制与

Zhiguo Ding·2022-05-22 21:18

Datawhale《动手学深度学习》

动手学深度学习Day1线性回归Softmax与分类模型多层感知机基础知识代码实现Day2文本预处理通用步骤代码示例语言模型简介n元语法语言模型数据集读取数据集建立字符索引定义函数load_data_jay_lyrics

Zhiguo Ding·2022-05-22 21:48

《14天动手学深度学习》——梯度消失、梯度爆炸

梯度消失、梯度爆炸以及Kaggle房价预测梯度消失和梯度爆炸考虑到环境因素的其他问题Kaggle房价预测梯度消失和梯度爆炸深度模型有关数值稳定性的典型问题是消失（vanishing）和爆炸（explosion）。当神经网络的层数较多时，模型的数值稳定性容易变差。假设一个层数为L的多层感知机的第l层H(l)的权重参数为W(l)，输出层H(L)的权重参数为W(L)。为了便于讨论，不考虑偏差参数，且设所

我真的爱发明·2022-05-22 21:47

【动手学深度学习v2】循环神经网络-1.序列模型

文章目录1.序列模型1.1统计工具1.2自回归模型1.3总结1.4代码实现-马尔可夫模型回归实现1.5问题1.序列模型与CNN提取空间信息不同的是，序列模型处理的是时间信息。1.1统计工具下图为股票价格（近30年的富时100指数）假设在时间t观察到价格xtx_txt，那么得到T个不独立的随机变量，p(x1,...,xT)∼p(X)p(x_1,...,x_T)\simp(X)p(x1,...,xT)

紫色银杏树·2022-05-22 21:17

vue中@change为什么要绑定一个回调函数_连肝3个晚上，我总结了一份Vue实操绝密干货！（共34条）

这是我学习整理的关于Vue.js系列文章的第一篇，另外还有两篇分别是关于优化和原理的。希望读完这3篇文章，你能对Vue有个更深入的认识。

weixin_39933356·2022-05-21 11:27

Pytorch实现简单自定义网络层的方法

博主在学习了沐神的动手学深度学习这

·2022-05-20 11:45

李沐《动手学深度学习》课程笔记：08 线性回归 + 基础优化算法

目录08线性回归+基础优化算法1.线性回归2.基础优化算法3.线性回归的从零开始实现4.线性回归的简洁实现08线性回归+基础优化算法1.线性回归2.基础优化算法3.线性回归的从零开始实现importrandomimporttorchfromd2limporttorchasd2limportosos.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"#根据带有噪声的线性模型

feiwen110·2022-05-20 07:03

Pytorch 目标检测算法(1)（基于李沐老师的课程）

最近从0开始学习了李沐老师的动手学深度学习课程，收益匪浅，想着弄个笔记，若有错误请及时指出，感谢各位！

世界在你手中·2022-05-20 07:30

目标检测（动手学深度学习）

目标检测是计算机视觉中的重要任务之一。本系列博客将总结目标检测的各类算法，包括传统方法、基于CNN的算法（Onestage、Twostage）。本文主要对传统方法进行概述，大部分思想源自网上的博客和论文。个人观点，广义的目标检测不仅包括物体检测（ObjectDetection），还包括边缘检测（BorderDetection）及关键点检测（LandmarkDetection）等。因此本文将涵盖边缘

聆一·2022-05-20 07:00

Pytorch 目标检测和数据集

Pytorch目标检测和数据集0.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·2022-05-20 07:15

【李沐：动手学深度学习pytorch版】第3章：线性神经网络

第3章线性神经网络3.1.线性回归3.1.1.线性回归的基本元素3.1.1.1.线性模型3.1.1.2.损失函数3.1.1.3.解析解线性回归刚好是一个很简单的优化问题。与我们将在本书中所讲到的其他大部分模型不同，线性回归的解可以用一个公式简单地表达出来，这类解叫作解析解（analyticalsolution）。3.1.1.4.随机梯度下降即使在我们无法得到解析解的情况下，我们仍然可以有效地训练模

zdb呀·2022-05-20 07:45

【深度学习】李沐《动手学深度学习》的PyTorch实现已完成

这个项目是中文版《动手学深度学习》中的代码进行整理，用Pytorch实现，是目前全网最全的Pytorch版本。

风度78·2022-05-20 07:06

动手学深度学习（MXNet）5：计算机视觉

多GPU计算，需要考虑同步数据图像增广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。另一种解释是，随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的泛化能力。%matplotlibinlineimportd2lzhasd2limportmxnetasmxfrommxnetimportautograd,gluon,image,init,ndfrommx

CopperDong·2022-05-20 07:32

《100天一起学习PyTorch》第三天：简洁代码实现线性神经网络（附代码）

个人主页：JoJo的数据分析历险记个人介绍：小编大四统计在读，目前保研到统计学top3高校继续攻读统计研究生如果文章对你有帮助，欢迎✌关注、点赞、✌收藏、订阅专栏参考资料：本专栏主要以沐神《动手学深度学习

JoJo的数据分析历险记·2022-05-18 07:48

《14天动手学深度学习》——softmax和分类模型

softmax和分类模型¶内容包含：softmax回归的基本概念如何获取Fashion-MNIST数据集和读取数据softmax回归模型的从零开始实现，实现一个对Fashion-MNIST训练集中的图像数据进行分类的模型使用pytorch重新实现softmax回归模型softmax的基本概念分类问题一个简单的图像分类问题，输入图像的高和宽均为2像素，色彩为灰度。图像中的4像素分别记为x1,x2,x

我真的爱发明·2022-05-18 07:39

Pytorch 学习（四）：Pytorch 实现 Softmax 回归

Pytorch实现Softmax回归本方法参考自《动手学深度学习》（Pytorch版）github项目一般步骤构建数据集和以batch为单位的数据读取构建模型及其初始化、损失函数、下降方法训练网络及评估方法一

RememberUrHeart·2022-05-18 07:30

李沐d2l《动手学深度学习》第二版——风格迁移源码详解

本文是对李沐DivetoDL《动手学深度学习》第二版13.12节风格迁移的源码详解，整体由Jupyter+VSCode完成，几乎所有重要代码均给出了注释，一看就懂。

Polaris_T·2022-05-17 07:20

nuxtjs快速上手(nuxt2)

nuxtjs快速上手(nuxt2)提示：本篇文章是博主观看b站up主前端aka老师视频学习整理的文章视频指路：《CMS全栈项目》系列九：Nuxt+ElementUInuxtjs官网(nuxt2)：NuxtJS

·2022-05-16 13:05

深度学习+pytorch自学笔记（十）——含并行连结的网络（GoogLeNet）、批量归一化、残差网络（ResNet）、稠密连接网络（DenseNet）

参考书籍《动手学深度学习(pytorch版），参考网址为：https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter05_CNN/5.9_googlenethttps

子非鱼icon·2022-05-16 07:04

动手学深度学习pytorch学习笔记——Kaggle图像分类1（CIFAR-10)

动手学深度学习pytorch学习笔记我们将运用在前面几节中学到的知识来参加Kaggle竞赛，该竞赛解决了CIFAR-10图像分类问题。

卡塞尔学院临时校长·2022-05-11 07:38

Pytorch 循环神经网络 RNN

Pytorch循环神经网络RNN0.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·2022-05-11 07:52

Pytorch 锚框

Pytorch锚框0.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。