动手学深度学习

《动手学深度学习》--mxnet框架

教材网页版链接：https://zh.d2l.ai/论坛网页（内含教学视频）：https://discuss.gluon.ai/t/topic/753视频教程地址：https://www.bilibili.com/video/av14327359
胥洪利·2020-09-12 14:26

jupyter notebook 虚拟环境安装pytorch

问题描述：先是安装了pycharm并在此装了pytorch、numpy等；然后为了使用《动手学深度学习》代码搭建了miniconda3环境，创建了虚拟环境gluon，里面没有装pytorch，所以在jupyternotebook
战斗到永恒·2020-09-12 13:33

《动手学深度学习》(PyTorch版)避坑总结 - 1 【d2lzh_pytorch模块导入方法详解及提示错误的解决方法】

目录运行环境问题对应的章节问题描述解决方法第一步：下载好包第二步：转移d2lzh_pytorch文件夹第三步：验证utils.py文件能否正常运行第四步：在程序中导入d2lzh_pytorch包总结运行环境使用环境：python3.8平台：Windows10IDE：PyCharm问题对应的章节3.2.1节问题描述d2lzh_pytorch模块不知道如何导入导入d2lzh_pytorch模块后运行报
ShakalakaPHD·2020-09-12 12:24

MXNet动手学深度学习

MXNet动手学深度学习前言MXNet安装结语前言最近配置了MXNet的环境，准备搞一搞MXNet了，在以后的学习中将主要参考书籍：动手学深度学习这本书在官网提供的有电子版可以下载，也可以在线阅读。
诗人的情人·2020-09-12 12:29

《动手学深度学习》环境配置各类问题集合

1.清理环境务必卸载曾经安装过得python2或者3，包括pip，pip可以使用命令python-mensurepip查看电脑有几个，都装在哪里2.镜像源配置出现问题：CondaHTTPError:HTTP000CONNECTIONFAILEDforurlElapsed:-AnHTTPerroroccurredwhentryingtoretrievethisURL.HTTPerrorsareoft
战斗到永恒·2020-09-12 12:18

《动手学深度学习》环境配置篇

自己按照书上Windows的安装中遇到的问题D:\d2l-zh>condaenvcreate-fenvironment.ymlWarning:youhavepip-installeddependenciesinyourenvironmentfile,butyoudonotlistpipitselfasoneofyourcondadependencies.Condamaynotusethecorre
qq_40265127·2020-09-12 12:01

动手学深度学习 MXNET环境配置

今天开始学习《动手学深度学习》，很好的一本深度学习入门手册，值得一看。在个人学到第二节2.1获取和运⾏本书的代码的时候自己去配了一下环境，遇到一点问题，顺利解决记录一下。
Angus_kk·2020-09-12 12:59

动手学深度学习10.15小白的安装问题解决

之前已经安装过了anaconda，所以不用在安miniconda了遇到的问题：cmd里输入命令显示“'conda'不是内部或外部命令，也不是可运行的程序或批处理文件。”解决方法：添加环境变量。具体如下链接https://blog.csdn.net/BetterManXJS/article/details/82502730接着配置环境：https://blog.csdn.net/Bug_fuck/a
RainbowCoral·2020-09-12 12:06

《动手学深度学习》环境配置中遇到的问题

平台：windows10在按照教程安装时，出现了如下提示：C:\d2l-zh>condaenvcreate-fenvironment.ymlWarning:youhavepip-installeddependenciesinyourenvironmentfile,butyoudonotlistpipitselfasoneofyourcondadependencies.Condamaynotuset
升职加薪！·2020-09-12 12:19

《动手学深度学习》Day3:多层感知机

文章目录一、多层感知机的基本知识1.1隐藏层1.2表达公式1.3激活函数1.4多层感知机二、多层感知机从零开始的实现2.1获取训练集2.2定义模型参数2.3定义激活函数2.4定义网络2.5定义损失函数2.6训练三、多层感知机pytorch实现3.1初始化模型和各个参数3.2训练一、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，M
陈小虾·2020-09-11 21:30

《动手学深度学习》Day2:Softmax与分类模型

文章目录一、softmax的基本概念二、交叉熵损失函数三、模型训练和预测四、获取Fashion-MNIST训练集和读取数据五、softmax的Pytorch简实现5.1初始化参数和获取数据5.2定义网络模型5.3初始化模型参数5.4定义损失函数5.5定义优化函数5.6训练一、softmax的基本概念1.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x
陈小虾·2020-09-11 21:30

《动手学深度学习》Day1:线性回归

文章目录一、线性回归的基本要素1.1模型1.2数据集1.3损失函数1.4优化函数-随机梯度下降二、矢量计算三、线性回归模型从零开始的实现3.1生成数据集3.2使用图像来展示生成的数据3.3读取数据集3.4初始化模型参数3.5定义模型3.6定义损失函数3.7定义优化函数3.8训练四、线性回归模型使用pytorch的简洁实现4.1生成数据集4.2读取数据集4.3定义模型4.4初始化模型参数4.5定义损
陈小虾·2020-09-11 21:30

《动手学深度学习》Day4:过拟合、欠拟合及其解决方案

文章目录一、模型选择、过拟合和欠拟合1.1训练误差和泛化误差1.2模型选择1.3过拟合和欠拟合二、多项式函数拟合实验2.1初始化模型参数2.2定义、训练和测试模型2.3三阶多项式函数拟合（正常）2.4线性函数拟合（欠拟合）2.5训练样本不足（过拟合）三、权重衰减3.1方法3.2L2范数正则化（regularization）3.3高维线性回归实验从零开始的实现3.4初始化模型参数3.5定义L2范数惩
陈小虾·2020-09-11 21:30

《14天动手学深度学习》——循环神经网络进阶

GRURNN存在的问题：梯度较容易出现衰减或爆炸（BPTT）⻔控循环神经⽹络：捕捉时间序列中时间步距离较⼤的依赖关系RNN:Ht=ϕ(XtWxh+Ht−1Whh+bh)Ht=ϕ(XtWxh+Ht−1Whh+bh)GRU:Rt=σ(XtWxr+Ht−1Whr+br)Zt=σ(XtWxz+Ht−1Whz+bz)H˜t=tanh(XtWxh+(Rt⊙Ht−1)Whh+bh)Ht=Zt⊙Ht−1+(1−Z
我真的爱发明·2020-09-11 04:30

动手学深度学习下载数据集慢且出现RuntimeError：Failed downloading url...错误

 今天做深度学习的实验时，需要用到Fashion-MNIST数据集，在运行书本源代码下载数据集的时候，下载很慢，直到出现RuntimeError错误。 首先试着通过指定MXNet使⽤国内站点下载书中的数据和模型：setMXNET_GLUON_REPO=https://apache-mxnet.s3.cn-north-1.amazonaws.com.cn/jupyternotebook接着，出现如下
可爱叮当猫·2020-09-11 00:08

动手学深度学习解决ModuleNotFoundError错误

解决Jupyter运行出现ModuleNotFoundError:Nomodulenamed'mxnet’  打开Jupyter发现无法加载mxnet，对于这个错误，网上很多关于这个问题的解决办法，但大多数都是解决的如下问题：安装完Anaconda利用conda创建了虚拟环境，但是启动jupyternotebook之后却找不到虚拟环境。实际上是由于在虚拟环境下缺少kernel.json文件。  对
可爱叮当猫·2020-09-11 00:08

实战KAGGLE比赛：房价预测

《动手学深度学习pytorch》部分学习笔记，仅用作自己复习。实战KAGGLE⽐比赛：房价预测作为深度学习基础篇章的总结，动⼿手实战⼀个Kaggle比赛：房价预测。
Clark-dj·2020-09-07 19:16

PyTorch—— 图像分类数据集（Fashion-MNIST）

PyTorch——图像分类数据集（Fashion-MNIST）0、前言一、获取数据集二、读取小批量数据三、画图本文是学习《动手学深度学习（pytorch）》“3.5图像分类数据集（Fashion-MNIST
dear_jing·2020-09-04 16:09

PyTorch——线性回归的从零开始实现

PyTorch——线性回归的从零开始实现一、生成数据集二、读取数据三、初始化模型参数四、定义模型五、定义损失函数六、定义优化算法七、训练模型附1：损失函数曲线本文是学习《动手学深度学习（pytorch）
dear_jing·2020-09-03 11:39

图像分类数据集（FASHION-MNIST）

《动手学深度学习pytorch》部分学习笔记，仅用作自己复习。图像分类数据集（FASHION-MNIST）图像分类数据集中最常用的是⼿写数字识别数据集MNIST。
Clark-dj·2020-09-02 09:13

动手学深度学习学习笔记tf2.0版（4.5 GPU计算）

日常使用过程中往往需要涉及GPU进行模型训练和推理，及指定GPU进行计算，那么：经常地，我会这么使用定义要使用的gpu_id和需要消耗的显存:importtensorflowastfimportnumpyasnpfromtensorflowimportkerasprint(tf.__version__)importosos.environ['CUDA_VISIBLE_DEVICES']='0,1'
Zero_to_zero1234·2020-08-26 23:42

机器学习-动手学深度学习pytorch版1-3章笔记

机器学习+动手学深度学习pytorch版1-3章笔记1.深度学习简介1.1起源1.2发展1.3成果案例1.4特点2.预备知识2.1环境配置2.2数据操作2.3自动求梯度3.深度学习基础3.1线性回归3.2
weixin_45562632·2020-08-25 16:56

动手学深度学习实现DAY-3

节选自“ElitesAI·动手学深度学习PyTorch版”.
weixin_40054643·2020-08-24 06:52

动手学深度学习实现DAY-2

节选自“ElitesAI·动手学深度学习PyTorch版”Task03：过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶（1天）Task04：机器翻译及相关技术；注意力机制与Seq2seq
weixin_40054643·2020-08-24 06:52

动手学深度学习实现DAY-1

节选自“ElitesAI·动手学深度学习PyTorch版”线性回归；Softmax与分类模型、多层感知机文本预处理；语言模型；循环神经网络基础线性回归主要内容包括：线性回归的基本要素线性回归模型从零开始的实现线性回归模型使用
weixin_40054643·2020-08-24 04:07

深度学习中训练迭代次数理解【源码阅读技巧分享】【深度学习循环迭代理解】【for X, y in train_iter:】

这里写目录标题起因配置环境问题探索一、由近及远二、追根溯源三、问题总结本文源码起因近日，博主在学习《动手学深度学习》(PyTorch版)时，用fashion_mnist复现LeNet时想知道这个for循环运行了多少次
Hurri_cane·2020-08-23 13:23

学习Pytorch遇到的一些问题（一）

基本介绍这周开始学习深度学习的部分知识，参考的书是《动手学深度学习》（PyTorch版），在操作过程中遇到一些小问题，记录一下问题和解决办法。
盛夏的猫宁·2020-08-23 11:51

怕自己忘系列————mxnet中DataLoader和Dataset的详细解读（以《动手学深度学习》中的9.12为例）

列出的代码的顺序是代码的实际执行顺序，不是文件中的先后顺序。demo=Trueifdemo:importzipfileforfin['train_tiny.zip','test_tiny.zip','trainLabels.csv.zip']:withzipfile.ZipFile('D:\\mxnetLearn\\data\\kaggle_cifar10\\'+f,'r')asz:z.extra
YuzhiSun·2020-08-22 14:44

动手学深度学习：task01

task01-线性模型、softmax与分类模型、多层感知机一.线性回归模型从零开始的实现0.准备工作#导入可视化的包和基本包%matplotlibinlineimporttorchfromIPythonimportdisplayfrommatplotlibimportpyplotaspltimportnumpyasnpimportrandomprint(torch.__version__)1.生
哈哈拉拉hxl·2020-08-22 13:40

动手学深度学习PyTorch版-机器翻译及相关技术

机器翻译及相关技术importosos.listdir('/home/kesci/input/')importsyssys.path.append('/home/kesci/input/d2l9528/')importcollectionsimportd2limportzipfilefromd2l.data.baseimportVocabimporttimeimporttorchimporttor
hongyesuifeng·2020-08-22 12:23

动手学深度学习PyTorch版-文本情感分类

文本情感分类读取数据importcollectionsimportosimportrandomimporttimefromtqdmimporttqdmimporttorchfromtorchimportnnimporttorchtext.vocabasVocabimporttorch.utils.dataasDataimporttorch.nn.functionalasFdevice=torch.
hongyesuifeng·2020-08-22 12:23

Datawhale第10期组队学习活动：《动手学深度学习》课程笔记第一次打卡

Datawhale第10期组队学习活动：《动手学深度学习》课程笔记第一次打卡课程页面：https://www.boyuai.com/elites/course/cZu18YmweLv10OeV1准备1.1
learner-xz·2020-08-22 04:30

《动手学深度学习》(PyTorch版)理解笔记 - 1 【3.1.2线性回归的表示方法】

目录运行环境书中片段理解提出问题运行环境使用环境：python3.8平台：Windows10IDE：PyCharm书中片段理解此处定义了模型参数θ的迭代方法，其实我们对于此书中的3.1节线性回归求解的目的就是得到最优的θ值来拟合我们的数据集，求解θ的方法便是进行θ的迭代Θ即（w1,w2,b）的初始值在本节中是：将权重(即w1,w2)初始化成均值为0、标准差为0.01的正态随机数，偏差（即b）则初始
Hurri_cane·2020-08-19 19:07

PyTorch - BatchNorm2d

PyTorch-BatchNorm2dflyfish术语问题在《深入浅出PyTorch》这本书中翻译成归一化在花书《深度学习》书中翻译成标准化在《深度学习之美》书中翻译成规范化在《动手学深度学习》书中翻译成归一化在
flyfish1986·2020-08-19 01:10

《动手学深度学习》笔记 Task02：文本预处理；语言模型；循环神经网络基础

学习地址：https://www.boyuai.com/elites/course/cZu18YmweLv10OeV/jupyter/tLxtAC0ZUmyrqaYmSJwWu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：读入文本分词建立字典，将每个词映射到一个唯一的索引（index）将文本从词的序列转换为索引的序列，
dujiahei·2020-08-19 01:47

动手学深度学习--文本预处理、语言模型、循环神经网络基础

1.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，文本数据的常见预处理通常包括四个步骤：读入文本分词建立字典，将每个词映射到一个唯一的索引（index）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用一部英文小说，即H.G.Well的TimeMachine，作为示例，展示文本预处理的具体过程。importcollectionsimportredefread_time_m
winds_lyh·2020-08-19 00:30

动手学深度学习(PyTorch实现)(十二)--批量归一化（BatchNormalization）

批量归一化-BatchNormalization1.前言2.批量归一化的优势3.BN算法介绍4.PyTorch实现4.1导入相应的包4.2定义BN函数4.3定义BN类5.基于LeNet的应用5.1定义LeNet5.2加载数据5.3训练网络1.前言本博文理论部分摘自CSDN博主「Paulzhao6518」的文章《（BN）批量归一化全面解析》。先来思考一个问题：我们知道在神经网络训练开始前，都要对输入
爱吃骨头的猫、·2020-08-19 00:50

循环神经网络RNN：简介、应用及学习大纲

所以先跳过《动手学深度学习》的卷积神经网络章节，进行循环神经网络章节的学习一、简介循环神经⽹络（recurrentneuralnetworks）被设计⽤来更好地处理时序信息。
拉布拉多和她拍拖·2020-08-18 20:35

《14天动手学深度学习》——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。表达公式具体来说，给定一个小批量样本X∈Rn×d，其批量大小为n
我真的爱发明·2020-08-18 17:29

【动手学深度学习】在线中文教程

继吴恩达之后，2017年9月4日，亚马逊的AI主任科学家李沐推出中文版【动手学深度学习】，帮助更多的AI技术学习者学习深度学习课程。
zchang81·2020-08-18 07:33

动手学深度学习(一)——线性回归(gluon)

文章作者：Tyan博客：noahsnail.com|CSDN|简书注：本文为李沐大神的《动手学深度学习》的课程笔记！
SnailTyan·2020-08-17 20:07

LLIS寒假学习(6)：动手学深度学习(pytorch版)：softmax回归的简介实现逐步理解

首先导入所需包和模块importtorchfromtorchimportnnfromtorch.nnimportinitimportnumpyasnpimportsyssys.path.append("..")importd2lzh_pytorchasd2l一.获取和读取数据batch_size=256#设置批量大小train_iter,test_iter=d2l.load_data_fashio
伯纳乌的小草·2020-08-17 17:00

LLIS寒假学习(2)：动手学深度学习(pytorch版)：线性回归代码实现的逐步理解

一.具体问题根据房屋的面积（平方米）和房龄（年）来预测该房屋的售出价格（元）。假设房屋价格只与上述两个因素决定。二.模型定义设房屋的面积为x1，房龄为x2，售出价格为y。假设输出与各个输入之间是线性关系：y^=x1w1+x2w2+b其中w1和w2是权重（weight），b是偏差（bias），且均为标量。它们是线性回归模型的参数（parameter）。模型输出yˆ是线性回归对真实价格y的预测或估计。
伯纳乌的小草·2020-08-17 17:00

LLIS寒假学习(1)：纯小白入门动手学深度学习（pytorch版）

其次没有任何关于这门学科的基础，所以在探索《动手学深度学习（pytorch版）》的时候，的确遇到了很大的困难。主要有这么几点：1.数学原理大致是可以看懂的，但是用代码从零开始实现遇到了困难。
伯纳乌的小草·2020-08-17 17:00

Pytorch搭建CNN（重复元素的网络VGG）实现cifar-10分类：20轮近74%准确率

参考书目：动手学深度学习（pytorch版）原书链接importtorchfromtorchimportnnfromtorch.nnimportinitimporttorchvisionimporttorchvision.transformsastransformsimportsysimportd2lzh_pytorchasd2limporttimetrainset
伯纳乌的小草·2020-08-17 11:03

ElitesAI·动手学深度学习PyTorch版Task05打卡

卷积神经网络神经网络结构：卷积神经网络是神经网络模型的改进版本，依旧是层级网络，只是层的功能和形式做了变化，如：卷积神经网络的层级结构•数据输入层/Inputlayer•卷积计算层/CONVlayer•ReLU激励层/ReLUlayer•池化层/Poolinglayer•全连接层/FClayer卷积计算层这一层就是卷积神经网络最重要的一个层次，也是“卷积神经网络”的名字来源。在这个卷积层，有两个关
Charcy阳·2020-08-13 22:31

动手学深度学习PyTorch-打卡3

一、数据增强大规模数据集是成功应用深度神经网络的前提。图像增广（imageaugmentation）技术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。图像增广的另一种解释是，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。例如，我们可以对图像进行不同方式的裁剪，使感兴趣的物体出现在不同位置，从而减轻模型对物体出现位置的依赖性。我们也可
weixin_41765544·2020-08-13 22:59

《动手学深度学习PyTorch版》打卡_Task5，卷积神经网络基础，LeNet，卷积神经网络进阶

最近参加了伯禹平台和Datawhale等举办的《动手学深度学习PyTorch版》课程，卷积神经网络基础，LeNet，卷积神经网络进阶。神经网络中所说的卷积计算其实是互相关运算，一直以来理解有偏差。
kanatappi·2020-08-13 22:56

《动手学深度学习》-学习笔记-4.2. 模型参数的访问、初始化和共享 search Search 快速搜索

《动手学深度学习》-学习笔记-4.2.模型参数的访问、初始化和共享searchSearch快速搜索课后练习1问题：查阅有关init模块的MXNet文档，了解不同的参数初始化方法。
机器视觉-zjuer·2020-08-13 20:00

动手学深度学习学习笔记tf2.0版（4.2 模型参数的访问、初始化和共享）

classLinear(tf.keras.Model):def__init__(self):super().__init__()self.d1=tf.keras.layers.Dense(units=10,activation=None,kernel_initializer=tf.zeros_initializer(),bias_initializer=tf.zeros_initializer()
Zero_to_zero1234·2020-08-13 19:59
上一页 31 32 33 34 35 36 37 38 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他