深度学习六周入门计划第三周

深度学习六周入门计划第四周

学习时间

入门第四周:2023.5.22-2023.5.28

本周进度

  1. 学习matplot,使用代码实践。
  2. 完成《动手学深度学习-pytorch》2、3、4、5章的学习以及部分代码实现。

遇到问题

  1. matplot代码实践不够,需要继续在实践中增进理解。
  2. 对于《动手学深度学习-pytorch》一些基础理论理解不够深入,公式一多就难以理解,需要多花时间。
  3. 一开始下的pytorch不是cuda版本,因此无法在pytorch里使用cuda,并且cuda版本也不适配。更新了cuda以及重装cuda版本的pytorch以解决。

下周计划

  1. 学习《动手学深度学习 Pytorch 版》的第6、7、8、9章。
  2. 有时间复习前面学过章节。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
深度学习是机器学习的一个分支,它通过模拟人脑神经网络的结构和功能,实现了对复杂数据的学习和理解。以下是深度学习的一些基础知识入门: 1. 神经网络:神经网络是深度学习的基本模型,它由多个神经元组成。每个神经元接收一些输入,经过加权和激活函数处理后,产生一个输出。 2. 前向传播:前向传播是指神经网络从输入层到输出层的过程。它通过不断对输入数据进行加权处理和非线性变换,最终得到输出结果。 3. 反向传播:反向传播是指根据输出结果与真实标签之间的差异,通过链式法则将误差逐层反向传播到各个神经元,从而更新网络中的权重和偏置。 4. 损失函数:损失函数用于衡量模型输出与真实标签之间的差异。常见的损失函数有均方误差(MSE)、交叉熵(Cross Entropy)等。 5. 激活函数:激活函数引入非线性变换,使得神经网络可以学习非线性关系。常见的激活函数有ReLU、Sigmoid、Tanh等。 6. 优化算法:优化算法用于更新神经网络中的权重和偏置,以使损失函数最小化。常见的优化算法有梯度下降(Gradient Descent)、Adam等。 7. 深度学习框架:深度学习框架提供了一种方便快捷的方式来构建、训练和部署神经网络模型。常见的深度学习框架有TensorFlow、PyTorch等。 以上是深度学习基础知识的简要介绍,希望能对你入门深度学习有所帮助。如果你对某个具体主题有更深入的需求,可以告诉我。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值