深度学习实验一：搭建开发平台、基本操作练习_深度学习怎么自己搭建平台-CSDN博客

本文链接：https://blog.csdn.net/Moonee_/article/details/133616556

深度学习实验一：搭建开发平台、基本操作练习

一、实验环境
二、实验内容
三、实验小结

实验代码案例来自于此书：https://zh-v2.d2l.ai/

一、实验环境

Windows 11、VS Code、Python 3.9

二、实验内容

1.完成本地开发平台的搭建

①安装Anaconda

安装好后在菜单栏“开始”中显示如图：

打开后：
在这里插入图片描述

②安装Visual Studio Code及Python扩展

需要安装的扩展插件如下：
在这里插入图片描述

③测试Jupyter notebook

能够正常运行代码：
在这里插入图片描述

④安装OpenCV

输入测试程序：
在这里插入图片描述
导入包后能够成功显示图片：
（这里我当时做的有点问题，如果路径正确的话应该能正常显示图片）

⑤安装PyTorch

检测Pytorch是否安装成功（对应CPU版本的测试代码）：
在这里插入图片描述

2.张量的基本操作

①导入torch

在这里插入图片描述

②使用 arange 创建一个行向量 x（张量 x 中有 12 个元素）

在这里插入图片描述

③通过张量的shape属性来访问张量（沿每个轴的长度）的形状

在这里插入图片描述

④获得张量中元素的总数，即形状的所有元素乘积

在这里插入图片描述

3.矩阵的基本操作

①改变一个张量的形状而不改变元素数量和元素值，可以调用reshape函数。

例：把张量x从形状为（12,）的行向量转换为形状为（3,4）的矩阵。
在这里插入图片描述

②使用自定义数字来初始化矩阵。

例：创建一个形状为（2,3,4）的张量，其中所有元素都设置为0。
在这里插入图片描述
例：创建一个形状为(2,3,4)的张量，其中所有元素都设置为1。

③通过从某个特定的概率分布中随机采样来得到张量中每个元素的值

例：创建一个形状为（3,4）的张量。其中的每个元素都从均值为0、标准差为1的标准高斯分布（正态分布）中随机采样。
在这里插入图片描述

④通过提供包含数值的Python列表（或嵌套列表），来为所需张量中的每个元素赋予确定值

在这里插入图片描述

4.广播机制的应用

①首先，通过适当复制元素来扩展一个或两个数组，以便在转换之后，两个张量具有相同的形状。其次，对生成的数组执行按元素操作。
例：沿着数组中长度为1的轴进行广播。
在这里插入图片描述
②将两个矩阵广播为一个更大的矩阵，如下所示：矩阵a将复制列，矩阵b将复制行，然后再按元素相加。

5.数据预处理

读取数据集

①创建一个人工数据集，将数据集按行写入CSV文件中。
在这里插入图片描述

②从创建的CSV文件中加载原始数据集，导入pandas包并调用read_csv函数。
该数据集有四行三列。其中每行描述了房间数量（“NumRooms”）、巷子类型（“Alley”）和房屋价格（“Price”）。

处理缺失值（插值法）

①通过位置索引iloc，将data分成inputs和outputs，其中前者为data的前两列，而后者为data的最后一列。对于inputs中缺少的数值，用同一列的均值替换“NaN”项。
在这里插入图片描述

②对于inputs中的类别值或离散值，我们将“NaN”视为一个类别。由于“巷子类型”（“Alley”）列只接受两种类型的类别值“Pave”和“NaN”， pandas可以自动将此列转换为两列“Alley_Pave”和“Alley_nan”。巷子类型为“Pave”的行会将“Alley_Pave”的值设置为1，“Alley_nan”的值设置为0。缺少巷子类型的行会将“Alley_Pave”和“Alley_nan”分别设置为0和1。
在这里插入图片描述