办不了-CSDN博客

原创 Python深度学习实践-基于PyTorch--Python深度学习基础

并且支持丰富的数学运算。Tensor对象在深度学习框架PyTorch中扮演着至关重要的角色。它本质上是由数值型元素组成的高维矩阵，这一点与NumPy中的NDArray十分相似。Tensor的设计专门针对GPU优化，以利用GPU的高效并行计算能力来加速运算过程，这对深度学习任务尤其重要，因为深度学习涉及大量重复且计算密集的矩阵运算。Tensor对象拥有rank（即维度数）、shape（每个维度的大小）和data type（数据类型）等属性，这些属性定义了Tensor的结构及其元素的类型。

2024-03-24 17:31:24 781 1

原创 Python深度学习实践-基于PyTorch--机器学习基础知识

Yi）之间的关系。验证集评估出来的效果并非模型的最终效果，主要是用来调整超参数的，模型最终效果以测试集的评估结果为准。如果聚类得到的模型被用于某个特定的任务，我们可以维持该任务中其他的设定不变，使用不同的聚类模型，通过某种指标度量该任务的最终结果来间接判断聚类模型的优劣。例如对文本的主题进行聚类，我们可以在直观上判断属于同一个类的文本是否具有某个共同的主题，这样的分类是否有明显的语义上的共同点。监督学习的核心在于模型通过学习输入数据和对应的输出标签之间的关系，来预测新的未标记数据的输出。

2024-03-08 15:15:30 1763 1

原创 Python深度学习实践-基于PyTorch--深度学习框架

深度学习框架是一种用于构建、训练和部署深度神经网络模型的工具集合。它提供了丰富的函数和工具，使开发者能够方便地创建、调整和优化神经网络模型。前常用的深度学习框架有PyTorch、Theano、TensorFlow、Keras、Caffe、MXNet、CNTK、PaddlePaddle。计算图构建：深度学习框架允许用户通过声明式的方式定义计算图，这是一系列相互连接的运算操作，用于表示神经网络的结构和数据流。自动微分：自动微分功能可以自动计算梯度，这对于训练神经网络至关重要，因为它使得权重更新变得自动化。

2024-03-07 15:40:11 1492 1

原创 Python深度学习实践-基于PyTorch

深度学习是机器学习领域中的一个研究方向，它通过学习样本数据的内在规律和表示层次，使机器具有分析学习能力。深度学习的核心在于使用深层神经网络来模拟人脑处理信息的方式，这些网络能够自动学习和提取数据的高层次特征。计算机视觉是一门研究如何使机器“看”的科学，它涉及到使用摄像机和电脑代替人眼对目标进行识别、跟踪和测量等任务。计算机视觉是人工智能领域的一个重要分支，它的核心目标是让机器能够通过图像或视频数据来理解和解释现实世界。

2024-03-03 16:19:10 1990 1

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人