动手学深度学习

动手学深度学习Task1笔记

多层感知机为什么要有多层感知机制神经网络引入了隐藏层，却依然等价于一个单层神经网络。该问题的根源在于全连接层只是对数据做仿射变换，而多个仿射变换的叠加仍然是一个仿射变换。解决问题的一个方法是引入非线性变换，例如对隐藏变量使用按元素运算的非线性函数进行变换，然后再作为下一个全连接层的输入。这个非线性函数被称为激活函数。常用激活函数有哪些ReLU函数：ReLU函数只保留正数元素，并将负数元素清零Sig
GaryLi077·2020-02-15 01:34

动手学深度学习

线性回归一.主要内容包括：1.线性回归的基本要素2.线性回归模型从零开始的实现3.线性回归模型使用pytorch的简洁实现二.线性回归的基本要素  线性回归，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。1.1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
Shirley_77·2020-02-14 23:32

动手学深度学习笔记——线性回归

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pytorch的简洁实现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: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pytorch
awpc21·2020-02-14 21:23

《动手学深度学习》戴口罩的胡萝卜组 - 户建坤 第一次打卡 (线性, Softmax, 多层感知机, 文本预处理, 语言模型, RNN)

线性回归1.数据集名词trainingsetsamplelabelfeature2.均方差损失函数均值差的平方损失(a-b)**2/2在batch中求平均,即sum/len(batch)为什么单个要除以2?其实标准的也可以不/2为什么均方差用的这么多?好处坏处,别的?均方差叫MSE,meansquarederror,RMSE,MAE3.随机梯度下降一个小的启发,如果trainingset的batc
ruclion·2020-02-14 21:03

动手学深度学习PyTorch版-task02

task0201.文本预处理代码解读importcollectionsimportrewithopen('timemachine.txt','r',encoding='UTF-8')asf:lines=[re.sub('[^a-z]+','',line.strip().lower())forlineinf]print(lines)In[8]:lines[0]Out[8]:'thetimemachi
星辰之衍·2020-02-14 21:00

《动手学深度学习》系列笔记 —— 循环神经网络

目录1.循环神经网络的构造2.从零开始实现循环神经网络2.1one-hot向量2.2初始化模型参数2.3定义模型2.4裁剪梯度2.5定义预测函数2.6困惑度2.7定义模型训练函数2.8训练模型并创作歌词3.循环神经网络的简介实现3.1定义模型下图展示了如何基于循环神经网络实现语言模型。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\(H\)，用\(H_{t}\)
kaifeng_guan·2020-02-14 21:00

【动手学深度学习】Task01-02

Task01线性回归理论部分笔记1.jpg2.jpg3.jpg代码知识记录torch.randn()：产生一个标准正态分布的张量np.random.normal()：高斯分布，参数:(均值，标准差，shape)torch.tensor()：生成tensor的函数display.set_matplotlib_formats('svg')：用来设置展示的时候使用的图像类型，这里是设置成“向量图”的类型
逍遥客小老虎·2020-02-14 21:23

《动手学深度学习》学习笔记（一）

一、pytouch1.torch.nn.Linear(in_features,out_features,bias=True)其中：in_features指的是输入的张量的大小，即输入的[batch_size,size]中的size。  out_features指的是输出的张量的大小，即输出的二维张量的形状为[batch_size，output_size]，当然，它也代表了该全连接层的神经元个数。2
ying_0f5b·2020-02-14 21:25

动手学深度学习-01打卡

线性回归主要内容包括：1.线性回归的基本要素2.线性回归模型从零开始的实现3.线性回归模型使用pytorch的简洁实现线性回归基本要素模型：线性回归模型数据集：包括训练集/测试集，标签，特征损失函数：损失函数优化函数（随机梯度下降）：梯度下降公式其中优化函数步骤如下：（1）初始化模型参数，随机初始化。（2）迭代多次，在负梯度方向移动参数来更新参数。pytorch代码示例：importtorchfr
一技破万法·2020-02-14 21:55

动手学深度学习-线性回归；Softmax与分类模型；多层感知机

前言由于新冠病毒的影响，只能窝在家中自我关禁闭，因此参加了深度学习公益训练营的活动，结合《动手学深度学习》这本书，对深度学习进行系统性的学习与实践，感到获益良多。
sjtucq·2020-02-14 20:55

《动手学深度学习》系列笔记 —— 语言模型（n元语法、随机采样、连续采样）

目录1.语言模型2.n元语法3.语言模型数据集4.时序数据的采样4.1随机采样4.2相邻采样一段自然语言文本可以看作是一个离散时间序列，给定一个长度为\(T\)的词的序列\(w_1,w_2,\ldots,w_T\)，语言模型的目标就是评估该序列是否合理，即计算该序列的概率：\[P(w_1,w_2,\ldots,w_T).\]1.语言模型假设序列\(w_1,w_2,\ldots,w_T\)中的每个词
kaifeng_guan·2020-02-14 20:00

[深度学习]动手学深度学习笔记-1

这个寒假由于新冠肺炎疫情严重，影响了各高校返校时间，在家就是做贡献。自己有幸参与Datawhale的公益AI线上训练营，14天挑战李沐老师的**《动手学深度学》pytorch版**，在此记录自己的学习过程。1.1环境配置1.1.1AnacondaAnaconda是Python的一个开源发行版本，主要面向科学计算。我们可以简单理解为，Anaconda是一个预装了很多我们用的到或用不到的第三方库的Py
田纳尔多·2020-02-14 19:52

《动手学深度学习》系列笔记 —— 文本预处理

目录文本预处理step1：读入文本step2：分词step3：建立字典step4：将词转为索引用现有工具进行分词1.使用spaCy2.使用MLTK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，下面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，方便输入模型step1：读入文本
kaifeng_guan·2020-02-14 19:00

《动手学深度学习》系列笔记—— 1.3 多层感知机

目录多层感知机的基本知识隐藏层表达公式激活函数关于激活函数的选择多层感知机多层感知机从零开始的实现多层感知机pytorch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
kaifeng_guan·2020-02-14 19:00

《动手学深度学习》系列笔记—— 1.2 Softmax回归与分类模型

目录softmax的基本概念交叉熵损失函数模型训练和预测获取Fashion-MNIST训练集和读取数据getdatasetsoftmax从零开始的实现获取训练集数据和测试集数据模型参数初始化对多维Tensor按维度操作定义softmax操作softmax回归模型定义损失函数定义准确率训练模型模型预测softmax的简洁实现初始化参数和获取数据定义网络模型初始化模型参数定义损失函数定义优化函数训练s
kaifeng_guan·2020-02-14 19:00

《动手学深度学习》系列笔记——1.1 线性回归

目录线性回归的基本要素模型数据集损失函数优化函数-随机梯度下降线性回归模型从零开始的实现线性回归模型使用pytorch的简洁实现新冠肺炎疫情蔓延之际，广大人民群众老实待在家就是做贡献！由伯禹教育、Datawhale、和鲸科技联合多家AI企业，让大家在家也能免费学习到优质的付费课程和有好的学习环境。感谢他们提供的教学内容，让本菜鸡能踏入深度学习的大门。致敬！线性回归的基本要素模型为了简单起见，这里我
kaifeng_guan·2020-02-14 18:00

动手学深度学习（PyTorch实现）笔记(正式篇1)——线性回归

动手学深度学习（PyTorch实现）笔记（正式篇1）（暂）1.线性回归线性回归从零实现导入包或模块%matplotlibinlineimporttorchfromIPythonimportdisplayfrommatplotlibimportpyplotaspltimportnumpyasnpimportrandom
CWX2333·2020-02-14 18:00

《动手学深度学习》Pytorch版学习笔记（一）：Task02

《动手学深度学习》Pytorch版学习笔记（一）：Task02课程背景主修课程1任务2过拟合、欠拟合及其解决方案2.1过拟合、欠拟合的概念2.2权重衰减2.3丢弃法2.4总结3梯度消失、梯度爆炸以及Kaggle
SsunTtaoauto·2020-02-14 18:35

动手学深度学习PyTorch版——Task01学习笔记

线性回归线性回归模型从零开始#引入需要的包和模块%matplotlibinlineimporttorchfromIPythonimportdisplayfrommatplotlibimportpyplotaspltimportnumpyasnpimportrandomprint(torch.__version__)#使用线性模型来生成数据集，生成一个1000个样本的数据集#设置输入特征数量,两个特
土豆土豆昕昕·2020-02-14 17:08

动手学深度学习笔记1线性回归

线性回归、softmax与多层感知机一、线性回归1.线性模型：2.损失函数第一个是单样本的损失，第二个是多样本的损失3.优化函数-SGD：常用的是小批量随机梯度下降：优化函数的两个步骤：(i)初始化模型参数，一般来说使用随机初始化；(ii)我们在数据上迭代多次，通过在负梯度方向移动参数来更新每个参数。4.矢量计算向量相加的一种方法是，将这两个向量按元素逐一做标量加法。向量相加的另一种方法是，将这两
programer_cao·2020-02-14 17:51

《14天动手学深度学习》——线性回归

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pytorch的简洁实现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:price=warea⋅area+wage⋅age+b数据集我们通常收集一系列的真实数据，例如
我真的爱发明·2020-02-14 17:27

【动手学深度学习（pytorch版）】笔记1——线性回归

加入了Datawhale的公益课程“14天挑战《动手学深度学习》（Pytorch版）”，李沐大神的书早就买了，可是MXNet一直让我望而却步，刚好有这次机会学习Pytorch版的，何乐而不为呢？
真菜馆长·2020-02-14 16:31

《动手学深度学习》task1_2 Softmax与分类模型

目录softmax和分类模型softmax的基本概念交叉熵损失函数模型训练和预测获取Fashion-MNIST训练集和读取数据getdatasetsoftmax从零开始的实现获取训练集数据和测试集数据模型参数初始化对多维Tensor按维度操作定义softmax操作softmax回归模型定义损失函数定义准确率训练模型模型预测softmax的简洁实现初始化参数和获取数据定义网络模型初始化模型参数定义损
shiinerise·2020-02-14 16:40

《动手学深度学习》第二天2020-02-13

https://www.boyuai.com/elites/1)第一次打卡内容（2月12日-14日）截止打卡时间：2/14-22:00Task01：线性回归；Softmax与分类模型、多层感知机（1天）Task02：文本预处理；语言模型；循环神经网络基础（1天）讲座+休息（1天）计算机相关专业同学的打卡：https://github.com/windrise/14_days_d2l_pytorch
_a30a·2020-02-13 20:27

《动手学深度学习》组队学习打卡Task1——softmax和分类模型

softmax和分类模型内容包含：softmax回归的基本概念（见《动手学深度学习》）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
A_first·2020-02-13 16:37

《动手学深度学习》组队学习打卡Task1——线性回归

线性回归参考：《动手学深度学习》、ElitesAI·动手学深度学习PyTorch版主要内容包括：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pytorch的简洁实现1.线性回归的基本要素模型为了简单起见
A_first·2020-02-13 16:18

《动手学深度学习》第一天2020-02-12

https://www.boyuai.com/elites/1)第一次打卡内容（2月12日-14日）截止打卡时间：2/14-22:00Task01：线性回归；Softmax与分类模型、多层感知机（1天）Task02：文本预处理；语言模型；循环神经网络基础（1天）讲座+休息（1天）1、线性回归当模型和损失函数形式较为简单时，上面的误差最小化问题的解可以直接用公式表达出来。这类解叫作解析解（analy
_a30a·2020-02-13 11:54

目标检测YOLO、SSD、RetinaNet、Faster RCNN、Mask RCNN(1)

最近看了李沐大神的新作《动手学深度学习》，感觉MxNet框架用起来很讨喜，Github上也有YOLOV3，SSD，FasterRCNN，RetinaNet，MaskRCNN这5种网络的MxNet版源码，
油腻小年轻·2020-02-12 15:30

《动手学深度学习》Task01-2：Softmax与分类模型

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,x3
努力！才能被爱慕~·2020-02-12 12:48

动手学深度学习(线性回归+softmax与分类模型+多层感知机)

3.1线性回归矢量计算表达式importtorcha=torch.ones(1000)b=torch.ones(1000)c=torch.zeros(1000)foriinrange(1000):c[i]=a[i]+b[i]d=a+ba=torch.ones(3)b=10print(a+b)3.2线性回归的从零开始实现%matplotlibinlineimporttorchfromIPythoni
4wes0me·2020-02-11 17:23

深度学习基础知识学习笔记

教材选用《动手学深度学习》，李沐等著；单层神经网络单层神经网络是最简单的神经网络，有线性回归（linear-regression）和Softmax回归（softmax-regression）。
qiufeng1ye·2020-02-10 10:51

《动手学深度学习》用PyCharm实现 学习笔记（2）3.2线性回归的从零开始实现

第一个问题：matplotlib代码没办法照抄画图的东西一直报错查阅matplotlib文档，直接画散点图惊奇之下发现把关于画图的代码全删了就好emmmm虽然学新东西也蛮重要的但是先学一下深度学习的东西代码frommatplotlibimportpyplotaspltfrommxnetimportautograd,ndimportrandomnum_inputs=2num_examples=100
leze·2020-02-08 21:41

win10 + cuda10 +cudnn + GLUON 环境搭建

《动手学深度学习》由于新型非典型肺炎扩散，上班日期挪到2.10日了，在家比较无聊决定了解一下深度学习。
FLYMOOD·2020-01-29 17:00

《动手学深度学习》笔记

深度学习的一个外在特征是端到端的训练。也就是说并不是将单独调试得部分拼凑起来组成一个系统，而是将整个系统组件好之后一起训练。视觉科学家之前曾一度将特征抽取与机器学习模型的构建分开处理，像是Canny边缘探测和SIFT特征提取，曾占据统治性地位达10年以上，但这也就是人类能找到的最好方法了。当深度学习进入这个领域后，这些特征提取方法就被性能更强的自动优化的逐级过滤器替代了。当模型和损失函数形式较为简
快乐自由拉菲犬·2020-01-03 21:22

2.2 数据操作 ---动手学深度学习——pytorch1.10

学了本文你能学到什么？仅供学习，如有疑问，请留言。。。注：红色是小结，紫色是重点，能像被课文一样背诵,初次系统性的学习，请多多指点目录2.2.1创建Tensor2.2.2操作"算术操作"
__Songsong·2020-01-03 16:19

小白学习之pytorch框架(2)-动手学深度学习(begin)

在这向大家推荐一本书-花书-动手学深度学习pytorch版，原书用的深度学习框架是MXNet，这个框架经过Gluon重新再封装，使用风格非常接近pytorch，但是由于pytorch越来越火，个人又比较执着
黑色幻影·2019-12-25 00:00

《动手学深度学习》TF2.0 实现

本项目将《动手学深度学习》原书中MXNet代码实现改为TensorFlow2.0实现。经过我的导师咨询李沐老师，这个项目的实施已得到李沐老师的同意。
飞龙·2019-12-12 01:30

动手学深度学习 + TF2.0开源项目，不容错过

作者|深度传送门来源|深度传送门（ID:deep_deliver)关于项目本项目将《动手学深度学习》(DiveintoDeepLearning)原书中的MXNet实现改为TensorFlow2.0实现，
AI科技大本营·2019-12-06 17:38

2019-11-29 复习深度学习基础

《动手学深度学习》关键词：正向传播反向传播优化算法经典网络
xyq_learn·2019-11-29 11:21

机器学习路径

Play-with-Machine-Learning-Algorithms》2.数学知识补充：基础课程《最优化计算》3.系统书籍知识补充：西瓜书深度学习相关知识补充：《刘建平的GitHub地址》NLPDNNRNN《动手学深度学习
东皇Amrzs·2019-11-28 05:49

动手学深度学习9-多层感知机pytorch

多层感知机隐藏层激活函数小结多层感知机之前已经介绍过了线性回归和softmax回归在内的单层神经网络，然后深度学习主要学习多层模型，后续将以多层感知机(multilayerpercetron,MLP),介绍多层神经网络的概念。隐藏层多层感知机在单层神经网络的基础上引入了一到多个隐藏层(hiddenlayer)。隐藏层位于输入层和输出层质检。下图展示了一个多层感知机的神经网络，它含有一个隐藏层，该层
onemorepoint·2019-11-06 22:00

《动手学深度学习》如何使用本书

一、内容和结构二、代码1、因为深度学习目前并没有很好的理论解释框架，很多论断只可意会。2、为避免重复描述，我们将本书中多次使用的函数和类封装在d2lzh包中（包的名称源于本书的网站地址）。
irving不会机器学习·2019-11-05 09:04

机器学习资料汇总（持续更新）

文章目录机器学习吴恩达周志华李航林轩田机器学习实战深度学习吴恩达深度学习入门动手学深度学习邱锡鹏花书更多资料关注”神经网络与自然语言处理“获取机器学习吴恩达吴恩达《机器学习》视频、作业、代码github
wardseptember·2019-10-15 20:39

送10本今年最火的《动手学深度学习》

本次52CV&FlyAI联合送书，CV君查找了两天，最终决定送10本《动手学深度学习》，这本书纸质版今年6月出版，京东上已经10W+次购买评论，应该是目前深度学习领域最火的书！
我爱计算机视觉·2019-09-21 23:49

人工智能AI：Keras PyTorch MXNet 深度学习实战（不定时更新）

keyword=%E5%90%B4%E6%81%A9%E8%BE%BE%C2%A0Keras深度学习实战、PyTorch深度学习、Python深度学习、动手学深度学习https://azusa.blog.csdn.net
wx58496ad5e0126·2019-09-21 16:56

动手学深度学习有了免费视频课！！！让沐神带你学深度学习

作者李沐的《动手学深度学习》免费视频课在异步社区上线啦！！！！激动不？视频一共十八讲，可以和沐神一起来零距离学习深度学习课程，快看看手里有没有准备这本实体书。没有的快去备一本。
epubit17·2019-09-21 10:43

在win7上安装MXNet的cpu版

最近在学习《动手学深度学习》，这本书提供的源代码用的框架是MXNet，推荐使用的是Miniconda，我自己之前装的是Anaconda，不想再下载Miniconda，想直接在Anaconda上面安装，安装过程中出现了一些错误
Clara_xue·2019-09-18 15:07

李沐《动手学深度学习》, PyTorch 版源代码已开源，附书籍和代码下载链接

而由他所著的《动手学深度学习》也是一本优秀的深度学习教材，算是非常畅销的计算机类书。
机器学习算法与Python学习-公众号·2019-09-13 17:00

李沐亲授加州大学伯克利分校深度学习课程移师中国，现场资料新鲜出炉

除了是亚马逊首席科学家李，李沐还拥有多重身份，比如是深受欢迎的MXNet深度学习框架的主要贡献者之一，深度学习库Gluon的提出者，畅销书《动手学深度学习》的作者，等等。 
AI科技大本营·2019-09-05 00:00

只给测试集不给训练集，要怎么做自己的物体检测器？

9月5日，下周四，大家期待已久的由《动手学深度学习》作者，亚马逊首席科学家亲自带领的「深度学习实训营」就要在北京开营了。
AI科技大本营·2019-08-31 23:25
上一页 37 38 39 40 41 42 43 44 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他