动手学深度学习

pytorch学习笔记（一）：Tensor(张量)

作为动手学深度学习的基础，本节将介绍如何对内存中的数据进行操作。在PyTorch中，torch.Tensor是存
逐梦er·2020-08-03 23:07

动手学深度学习(PyTorch实现)(九)--VGGNet模型

VGGNet模型1.VGGNet模型介绍1.1VGGNet的结构1.2VGGNet结构举例2.VGGNet的PyTorch实现2.1导入相应的包2.2基本网络单元block2.3实现VGGNet2.4训练网络1.VGGNet模型介绍VGGNet由牛津大学的视觉几何组（VisualGeometryGroup）和GoogleDeepMind公司的研究员一起研发的的深度卷积神经网络，在ILSVRC201
爱吃骨头的猫、·2020-08-03 23:29

Pytorch 学习（六）：Pytorch 解决过拟合问题（L2 权值衰减和 Dropout）

Pytorch解决过拟合问题（L2权值衰减和Dropout）本方法总结自《动手学深度学习》（Pytorch版）github项目部分内容延续Pytorch学习（五）：Pytorch实现多层感知机（MLP）
RememberUrHeart·2020-08-03 23:08

动手学深度学习(第四章 深度学习计算)

4.1模型构造本章我们基于Module类的模型构造方法：它可以使得模型更加灵活4.1.1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这里定义的MLP类重载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向前计算(正向传播)importtorchfromtorchimportnnclassMLP(nn.Mod
4wes0me·2020-08-03 23:26

《动手学深度学习》pytorch版笔记三

《动手学深度学习》pytorch版笔记三CV方向Task06批量归一化和残差网络BatchNorm概念还是蛮简单的，但还是有些细节要注意下另外是ResNet跟DenseNetBlock结构之间的区别凸优化
qq_23305951·2020-08-03 21:36

动手学深度学习（pytorch版）小知识的总结

文章目录一、tensor.data是用于更改w,b的值，而不影响计算图的反向传播而存在的。二、使用torch.utils.data读取数据三、搭建网络四、多继承五、torchvision六、HxWxC→CxHxW七、pytorch中的维度概念(dim=0,1)八、为什么可以用交叉熵作为损失函数九、ImportError:DLLloadfailed:页面文件太小，无法完成操作。一、tensor.da
miracleo_·2020-08-03 20:15

动手学深度学习(PyTorch)笔记一、预备知识

动手学深度学习(PyTorch)代码笔记记录pytorch用于深度学习的学习过程。
liuwp5·2020-08-03 19:16

《动手学深度学习》pytorch版（第二次打卡）

一、过拟合、欠拟合及其解决方案1.过拟合、欠拟合的概念2.权重衰减3.丢弃法模型选择、过拟合和欠拟合训练误差和泛化误差在解释上述现象之前，我们需要区分训练误差（trainingerror）和泛化误差（generalizationerror）。通俗来讲，前者指模型在训练数据集上表现出的误差，后者指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。计算训练误差和泛化误
lcx_nanmu·2020-08-03 18:55

《动手学深度学习》pytorch版（第三次打卡）

cv方向一、目标检测基础1.目标检测和边界框%matplotlibinlinefromPILimportImageimportsyssys.path.append('/home/kesci/input/')importd2lzh1981asd2l#展示用于目标检测的图d2l.set_figsize()img=Image.open('/home/kesci/input/img2083/img/cat
lcx_nanmu·2020-08-03 18:55

动手学深度学习PyTorch版-过拟合欠拟合及其解决方案

过拟合、欠拟合及其解决方案多项式拟合实验%matplotlibinlineimporttorchimportnumpyasnpimportsyssys.path.append("/home/kesci/input")importd2lzh1981asd2lprint(torch.__version__)初始化模型参数n_train,n_test,true_w,true_b=100,100,[1.2
hongyesuifeng·2020-08-03 17:03

动手学深度学习PyTorch版-卷积神经网络进阶（AlexNet）

卷积神经网络进阶（AlexNet）#目前GPU算力资源预计17日上线，在此之前本代码只能使用CPU运行。#考虑到本代码中的模型过大，CPU训练较慢，#我们还将代码上传了一份到https://www.kaggle.com/boyuai/boyu-d2l-modernconvolutionalnetwork#如希望提前使用gpu运行请至kaggle。importtimeimporttorchfromt
hongyesuifeng·2020-08-03 17:03

动手学深度学习PyTorch版-微调

微调热狗识别%matplotlibinlineimporttorchfromtorchimportnn,optimfromtorch.utils.dataimportDataset,DataLoaderimporttorchvisionfromtorchvision.datasetsimportImageFolderfromtorchvisionimporttransformsfromtorchv
hongyesuifeng·2020-08-03 17:03

《动手学深度学习》task2_3 循环神经网络基础

目录循环神经网络循环神经网络的构造从零开始实现循环神经网络one-hot向量初始化模型参数定义模型裁剪梯度定义预测函数困惑度定义模型训练函数训练模型并创作歌词循环神经网络的简介实现定义模型循环神经网络本节介绍循环神经网络，下图展示了如何基于循环神经网络实现语言模型。我们的目的是基于当前的输入与过去的输入序列，预测序列的下一个字符。循环神经网络引入一个隐藏变量HHH，用HtH_{t}Ht表示HHH在
shiinerise·2020-08-03 13:40

《动手学深度学习》PyTorch版Task01

《动手学：线性回归》1.生成数据集随机标签，指定参数，计算标准结果添加噪声2.定义模型3.定义损失函数4.定义优化模型5.训练模型1）设置超参，初始化模型参数2）每次迭代中，小批量读取数据，初始化模型计算预测值，损失函数计算插值，反向传播求梯度，优化算法更新参数，参数梯度清零本视频用了许多pytorch的函数，由于不是太了解pytorch内的函数，因此查询记录了一下。torch.ones（）/to
DOVIS_song·2020-08-03 12:09

动手学深度学习PyTorch版-task1

《动手学深度学习》是2019年国内最受欢迎的人工智能学习教材之一，伯禹教育携手上海交通大学团队，以此书的知识架构为基础，沿用了其中的原理讲解文档，并将代码框架由MXNET迁移至PyTorch，还对这
wechat-920086481·2020-08-03 12:05

动手学深度学习14- pytorch Dropout 实现与原理

方法从零开始实现定义模型参数网络评估函数优化方法定义损失函数数据提取与训练评估pytorch简洁实现小结针对深度学习中的过拟合问题，通常使用丢弃法(dropout),丢弃法有很多的变体，本文提高的丢弃法特指倒置丢弃法(inverteddorpout)。方法在会议多层感知机的图3.3描述了一个单隐藏层的多层感知机。其中输入个数为4，隐藏单元个数为5，且隐藏单元$h_(1,2,3,4,5)$的计算表达
onemorepoint·2020-08-03 11:50

动手学深度学习之一一配置环境

一一配置环境一、安装Miniconda二、下载d21-zh安装包三、用conda创建虚拟环境四、jupyternotebook运行Nomoudulename'mxnet'一、安装Miniconda二、下载d21-zh安装包三、用conda创建虚拟环境#配置清华PyPI镜像（如无法运行，将pip版本升级到>=10.0.0）pipconfigsetglobal.index-urlhttps://pyp
老权仔·2020-08-02 16:11

伯禹公益AI《动手学深度学习PyTorch版》Task 07 学习笔记

伯禹公益AI《动手学深度学习PyTorch版》Task07学习笔记Task07：优化算法进阶；word2vec；词嵌入进阶微信昵称：WarmIce优化算法进阶emmmm，讲实话，关于所谓的病态问题是什么
Champagne_Jin·2020-08-02 16:16

伯禹公益AI《动手学深度学习PyTorch版》Task 05 学习笔记

伯禹公益AI《动手学深度学习PyTorch版》Task05学习笔记Task05：卷积神经网络基础；LeNet；卷积神经网络进阶微信昵称：WarmIce昨天打了一天的《大革命》，真挺好玩的。
Champagne_Jin·2020-08-02 16:16

伯禹公益AI《动手学深度学习PyTorch版》Task 01 学习笔记

伯禹公益AI《动手学深度学习PyTorch版》Task01学习笔记Task01：线性回归；softmax与分类模型；多层感知机微信昵称：WarmIce疫情期间，宅在家里，天天坐着，于是乎，菊部有恙。
Champagne_Jin·2020-08-02 16:16

动手学深度学习PyTorch版学习笔记（一）

一、线性回归线性回归的基本要素模型为了简单起见，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。线性回归假设输出与各个输入之间是线性关系:数据集我们通常收集一系列的真实数据，例如多栋房屋的真实售出价格和它们对应的面积和房龄。我们希望在这个数据上面寻找模型参数来使模型的预测价格与真实价格的误差最小。在机器学习术语里，该数据集被称
浅浅寒·2020-08-02 15:28

线性回归 & Softmax与分类模型 & 多层感知机

《动手学深度学习》这本书，书如其名，侧重于实践。1线性回归统计
gbl5555·2020-08-02 15:57

动手学深度学习PyTorch版笔记

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：torchvision.datasets:一些加载数据的函数及常用的数据集接口；torchvision.models:包含常用的模型结构（含预训练模型），例如AlexNet、VGG、ResNet等；torchvision.transforms:常用的图片变换，例
Casuall·2020-08-02 15:37

动手学深度学习 Task1笔记-线性回归

#线性回归；Softmax与分类模型、多层感知机参加datawhale与伯禹学习平台及K-Lab合作的《动手学深度学习》的Pytorch版本。
O-oaz·2020-08-02 15:43

动手学深度学习--线性回归、softmax与分类模型、多层感知机

说明：该笔记是学习课程《动手学深度学习-pytorch实现》的笔记。
winds_lyh·2020-08-02 14:59

动手学深度学习——多层感知机

多层感知机多层感知机是一种简单的神经网络，包含输入层、隐藏层以及输出层。如下图所示。多层感知机的计算过程输入层为小批量样本X∈Rn×d\boldsymbol{X}\in\mathbb{R}^{n\timesd}X∈Rn×d，批量大小为nnn，输入个数为ddd。上述图的多层感知机为单隐藏层，隐藏层输出为HHH，H∈Rn×h\boldsymbol{H}\in\mathbb{R}^{n\timesh}H
伸腿瞪眼丸·2020-08-02 14:43

《动手学深度学习》Task01-3: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\boldsymb
努力！才能被爱慕~·2020-08-02 14:08

[动手学深度学习PyTorch笔记1]线性回归、分类模型、多层感知机

//本系列内容为动手学深度学习PyTorch版的学习笔记，内容参考伯禹教育平台线性回归要素模型：线性模型大部分是线性判别模型，判别模型也称为条件模型，是建模预测变量和观测变量之间的关系，分为确定性判别模型和概率判别模型
weixin_43246989·2020-08-02 14:32

《动手学深度学习》学习pytorch之softmax实现、FashionMNIST数据集训练

本文介绍以下几点：softmax从零实现softmax的简洁实现softmax从零实现导入包#importneededpackage%matplotlibinlinefromIPythonimportdisplayimportmatplotlib.pyplotaspltimporttorchimporttorchvisionimporttorchvision.transformsastransfo
Nick_Spider·2020-08-02 14:28

boyu《动手学深度学习Pytorch版》(01) --线性回归，Softmax与分类模型，多层感知机笔记

线性回归模型公式:price=warea⋅area+wage⋅age+b\mathrm{price}=w_{\mathrm{area}}\cdot\mathrm{area}+w_{\mathrm{age}}\cdot\mathrm{age}+bprice=warea⋅area+wage⋅age+b神经网络中的单个神经元的一部分就是这个公式，只不过在此基础上添加了sigmoid函数损失函数L(w,b
这个昵称肯定没人用·2020-08-02 14:08

笔记：动手学深度学习pytorch（卷积神经网络基础；leNet；卷积神经网络进阶）

-卷积神经网络基础-卷积层-1×\boldsymbol\times×1卷积层形状为1×11\times11×1的卷积核，我们通常称这样的卷积运算为1×11\times11×1卷积，称包含这种卷积核的卷积层为1×11\times11×1卷积层。1×11\times11×1卷积核可在不改变高宽的情况下，调整通道数。1×11\times11×1卷积核不识别高和宽维度上相邻元素构成的模式，其主要计算发生在
盛季，夏开·2020-08-02 13:04

笔记：动手学深度学习pytorch（文本分类；数据增强；模型微调）

-文本分类-文本情感分类文本分类是自然语言处理的一个常见任务，它把一段不定长的文本序列变换为文本的类别。本节关注它的一个子问题：使用文本情感分类来分析文本作者的情绪。这个问题也叫情感分析，并有着广泛的应用。同搜索近义词和类比词一样，文本分类也属于词嵌入的下游应用。在本节中，我们将应用预训练的词向量和含多个隐藏层的双向循环神经网络与卷积神经网络，来判断一段不定长的文本序列中包含的是正面还是负面的情绪
盛季，夏开·2020-08-02 13:04

笔记：动手学深度学习pytorch（优化算法进阶，word2vec，词嵌入进阶）

-优化算法进阶-Momentum目标函数有关自变量的梯度代表了目标函数在自变量当前位置下降最快的方向。因此，梯度下降也叫作最陡下降（steepestdescent）。在每次迭代中，梯度下降根据自变量当前位置，沿着当前位置的梯度更新自变量。然而，如果自变量的迭代方向仅仅取决于自变量当前位置，这可能会带来一些问题。对于noisygradient,我们需要谨慎的选取学习率和batchsize,来控制梯度
盛季，夏开·2020-08-02 13:04

笔记：动手学深度学习pytorch（文本预处理，语言模型与数据集，循环神经网络）

-文本预处理-文本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-处理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-读入文本这里用一部英文小说，即H.G.Well的TimeMachine，作为示例，展示文本预处理的具体过程。importcollectionsimportredefread_time_machine():w
盛季，夏开·2020-08-02 13:03

《动手学深度学习》——环境搭建

之前电脑中有anaconda3，使用conda命令创建环境运行时报错，随利用uninstallanaconda将之从电脑中卸载，重新安装书中指定的miniconda参考论坛文章https://discuss.gluon.ai/t/topic/135761、在清华镜像网站https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/下载最新版的min
屋顶数☆☆·2020-08-02 13:19

Pytorch 学习（五）：Pytorch 实现多层感知机（MLP）

Pytorch实现多层感知机（MLP）本方法总结自《动手学深度学习》（Pytorch版）github项目部分内容延续Pytorch学习（四）：Pytorch实现Softmax回归实现方法实现多层感知器（
RememberUrHeart·2020-08-02 13:28

动手学深度学习PyTorch版--学习笔记1

《动手学深度学习PyTorch版》–学习笔记1Task1线性回归基本要素：模型、数据集、损失函数、优化函数（常用mini-batchstochasticgradientdescent）代码学习：np.random.normal
qq_34686560·2020-08-02 13:25

《动手学深度学习》Pytorch版学习笔记（一）：Task01

《动手学深度学习》Pytorch版学习笔记（一）：Task01课程背景主修课程1任务2线性回归2.1线性回归的基本要素2.2线性回归模型从零开始的实现2.3线性回归模型使用pytorch的简洁实现2.4
SsunTtaoauto·2020-08-02 13:38

DataWhale组队学pytorch-day1 线性回归 softmax 多层感知机 学习笔记

参考资料：《动手学深度学习》中文版官网教材：http://zh.gluon.ai/PyTorch中文文档：https://pytorch-cn.readthedocs.io/zh/stable/部分PyTorch
cyanPhoenix·2020-08-02 12:59

《动手学深度学习》笔记 Task01 线性回归；Softmax与分类模型、多层感知机

《动手学深度学习》笔记Task01线性回归；Softmax与分类模型、多层感知机线性回归线性回归的基本要素模型为了简单起见，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）。
csdnshenjiaye·2020-08-02 12:57

《动手学深度学习》笔记 Task01:线性回归；Softmax与分类模型、多层感知机

一、线性回归主要内容：1.线性回归的解释2.线性回归模型的基本要素3.线性回归模型的两种实现方式1.线性回归的解释线性回归，就是能够用一个直线较为精确地描述数据之间的关系。这样当出现新的数据的时候，就能够预测出一个简单的值。线性回归中最常见的就是房价的问题。一直存在很多房屋面积和房价的数据，如下图所示：在这种情况下，就可以利用线性回归构造出一条直线来近似地描述放假与房屋面积之间的关系，从而就可以根
Super_CCY·2020-08-02 12:25

《动手学深度学习》task1——线性回归、softmax与分类模型，多层感知机笔记

系统学习《动手学深度学习》点击这里：《动手学深度学习》task1_1线性回归《动手学深度学习》task1_2Softmax与分类模型《动手学深度学习》task1_3多层感知机《动手学深度学习》task2
shiinerise·2020-08-02 12:21

动手学深度学习(二)——多层感知机(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·2020-08-02 12:45

动手学深度学习(二)——多层感知机(从零开始)

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·2020-08-02 12:45

《Dive into DL Pytorch》学习笔记

原文链接：https://github.com/ShusenTang/Dive-into-DL-PyTorch，将《动手学深度学习》原书中MXNet代码实现改为PyTorch实现。
亚里·2020-08-02 12:11

动手学深度学习笔记day1：线性回归模型、softmax分类模型、多层感知机

目录线性回归模型1.模型2.数据集3.损失函数4.优化函数softmax与分类模型1.分类问题2.softmax运算符3.矢量运算表达式4.交叉熵损失函数多层感知机模型1.隐藏层2.表达公式3.激活函数3.1ReLU函数3.2Sigmoid函数线性回归模型1.模型以房价预测模型为例进行线性回归模型的讲解，假设影响房价的因素为房屋面积（平方米）和房屋年龄（年），这两个因素与房价之间为线性关系：2.数
Hhhana·2020-08-02 12:17

动手学深度学习Pytorch版本学习笔记 Task1

1.深度学习基础模型1.1线性回归模型线性回归的基本要素主要包括：模型、数据集、损失函数、优化函数。在pytorch的实现中，可以自己从零开始实现，这样能更好的理解模型和神经网络底层的原理，但是pytorch有更加简洁的实现方式，这样能更加快速的完成模型的设计与实现。在看代码过程中，再次回顾了python中yield的用法。可以先把yield看做“return”，这个是直观的，它首先是个retur
Guozheng_Xu·2020-08-02 12:13

多层感知机的实现

框架使用的是pytorch，开发工具是pycharm参考动手学深度学习Dive-into-DL-Pytorch参考链接https://github.com/ShusenTang/Dive-into-DL-PyTorchhttps
顺毛黑起·2020-08-02 12:48

《动手学深度学习》Task07：优化算法进阶；word2vec；词嵌入进阶

Task07：优化算法进阶；word2vec；词嵌入进阶1.优化算法进阶Momentum在Section11.4中，我们提到，目标函数有关自变量的梯度代表了目标函数在自变量当前位置下降最快的方向。因此，梯度下降也叫作最陡下降（steepestdescent）。在每次迭代中，梯度下降根据自变量当前位置，沿着当前位置的梯度更新自变量。然而，如果自变量的迭代方向仅仅取决于自变量当前位置，这可能会带来一些
StarCoder_Yue·2020-08-01 10:33

《动手学深度学习》Task08：文本分类；数据增强；模型微调

Task08：文本分类；数据增强；模型微调1.文本分类文本情感分类文本分类是自然语言处理的一个常见任务，它把一段不定长的文本序列变换为文本的类别。本节关注它的一个子问题：使用文本情感分类来分析文本作者的情绪。这个问题也叫情感分析，并有着广泛的应用。同搜索近义词和类比词一样，文本分类也属于词嵌入的下游应用。在本节中，我们将应用预训练的词向量和含多个隐藏层的双向循环神经网络与卷积神经网络，来判断一段不
StarCoder_Yue·2020-08-01 10:33
上一页 33 34 35 36 37 38 39 40 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他