动手学深度学习-预备知识

最新推荐文章于 2024-09-15 18:10:00 发布
最新推荐文章于 2024-09-15 18:10:00 发布
阅读量64 收藏
点赞数
分类专栏： 【动手学深度学习】 文章标签： 深度学习 python 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Yogurtboyyy/article/details/130795448
版权

2.2 数据预处理

（1）pd.get_dummies 基于one-hot编码的特征提取

将离散型特征每一种取值看作一种状态，将不同值的变量转换为0/1

常用参数

data   ：输入的数据(dataframe,series,array-like)

columns  ：指定所需要实现类别转换的列名

2.3线性代数

（1）Hadamard积

 （2）按规定轴操作

（3）A.numel()求矩阵元素的个数 

01加加龙
关注
专栏目录
动手学深度学习-预备知识1----Datawhale
2301_80454195的博客
04-25 695
一个[1，2] 一行[1,:] 一列[:,1] 子区域[1:3,1:] 子区域[::3,::2]（行每三行一跳，列每两列一跳）三维：图片（宽，高，通道） 四维：一批图片（批量大小，宽，高，通道） 五维：视频（批量大小，时间，宽，高，通道）P（A=a,B=b）即A=a,B=b同时发生的概率 P（A=a,B=b）<= P（A=a）并用P(B=b∣A=a)表示它：它是B=b的概率，前提是A=a已发生。时间概率的预测值： 将事件出现的次数除以投掷的总次数。
03 动手学习深度学习-预备知识
qq_44653420的博客
04-04 707
03 动手学习深度学习-预备知识一、数据操作1.1 入门1.2 运算符1.3 广播机制1.4 索引与切片1.5 节省内存1.6 转换为其他python对象二、数据预处理2.1 读取数据集2.2 处理缺失值2.3 转换成张量格式三、线性代数 一、数据操作  给定一个n维数组，也成为张量(tensor)。无论使用哪个深度学习框架，它的张量类(在MXNet中为ndarray,在pytorch和TensorFlow中为Tensor)都与Numpy中的ndarray相似，但是深度学习框架又比ndarray多一些重要的
动手学深度学习（预备知识）
Q268191051011的博客
07-09 1959
当你为错过太阳而流泪时，你也要错过群星了。 一起来动手学深度学习吧
李沐动手学深度学习-学习笔记之预备知识
weixin_47970060的博客
12-12 1668
说明：大三学生党，完全0基础看沐神的动手学深度学习，但基本的pyhton、高数、线代、概率论知识还是有的，专业方向为机器视觉，因为要跑几个神经网络的代码并且以后从事的方向也是需要用到深度学习的知识，所以在朋友的推荐下决定学沐神的动手学深度学习pytorch版，如果有同样志向的朋友欢迎交流~一起学习
动手学深度学习-中文版.pdf
06-04
本书《动手学深度学习-中文版》是关于深度学习的入门教程，使用C++语言实现，基于MXNet框架。书中涵盖了深度学习的基础知识点，包括线性回归、Softmax回归、多层感知机、模型选择、正则化、 dropout等。 深度学习...
动手学深度学习pytorch.pdf
02-26
在预备知识部分，书中详细讲解了数据操作，这是理解和操作深度学习模型的基础。这部分包括： 1. 入门：介绍PyTorch的基本数据结构，如Tensor（张量），以及如何创建和初始化它们。 2. 运算：讲解了基本的数学运算，...
动手学深度学习d2l-zh_李沐1
08-03
动手学深度学习d2l-zh 李沐1 本书是深度学习领域的经典教材，作者李沐等人将深度学习的基础知识和实践经验融汇其中，为读者提供了全面的深度学习知识体系。本书共分为十四章，分别介绍深度学习的基本概念、神经网络...
动手学深度学习-准备基础
年年的博客
01-17 976
动手学深度学习之基础知识篇
《动手学习深度学习》预备知识——自动求导
By_Liu的博客
07-11 422
自动求导
基于深度学习的多模态信息检索
weixin_42605076的博客
09-13 1287
基于深度学习的多模态信息检索技术，通过多模态特征的提取、融合和匹配，实现了从多种数据模态中进行高效检索的能力。随着深度学习技术的不断进步，特别是注意力机制和变换器架构的应用，多模态信息检索将在多个领域展现出更广泛的应用前景和潜力。
【深度学习】【OnnxRuntime】【Python】模型转化、环境搭建以及模型部署的详细教程
yangyu0515的博客
09-13 1515
【深度学习】【OnnxRuntime】【python】模型转化、环境搭建以及模型部署的详细教程
深度学习实战89-基于改造后的长短期记忆网络LSTM 的猪肉价格预测模型研究
weixin_42878111的博客
09-13 431
大家好，我是微学AI，今天给大家介绍一下深度学习实战89-基于改造后的长短期记忆网络LSTM 的猪肉价格预测模型研究。本文围绕基于改造后的长短期记忆网络 LSTM 的猪肉价格预测模型展开研究。首先介绍项目背景，阐述进行猪肉价格预测的重要性。接着详细讲解改造后的 LSTM 模型原理，为预测提供理论基础。
python AssertionError: Torch not compiled with CUDA enabled
码农的专栏
09-15 442
修改一下代码，将cuda改成cpu。
机器学习VS深度学习
weixin_43215013的博客
09-14 671
机器学习更依赖于手动设计的特征和较为简单的模型，适用于中小型数据集，计算需求较低，解释性较好。深度学习是机器学习的一个分支，使用多层神经网络，擅长自动提取复杂特征，能够处理大量非结构化数据，计算资源需求大，但在许多复杂任务（如图像和语音处理）中性能优异。
【梯度消失|梯度爆炸】Vanishing Gradient|Exploding Gradient——为什么我的卷积神经网络会不好呢？
最新发布
985小水博的摸鱼日常
09-15 896
【梯度消失|梯度爆炸】学习笔记
深度学习速通系列:除了One-Hot编码，还有哪些其他处理分类数据的方法？
Ven%的博客
09-14 612
选择哪种编码方法取决于数据的特点、模型的类型以及特定的业务问题。在实际应用中，可能需要尝试多种方法，并通过模型性能来评估它们的有效性。
使用注意力机制可以让你的模型更加灵活，但是需要额外的计算资源。rnn lstm bilstm attension
09-14 697
在这个例子中，我们定义了一个简单的注意力模块，并使用它来计算注意力权重，然后利用这些权重对双向LSTM的输出进行加权求和，得到一个上下文向量。# 输出形状应该是 (batch, 2 * hidden_size)，如果需要进一步处理可以再使用线性层。1. **计算注意力分数**：根据输入的查询（query）和键（key）计算注意力分数。2. **应用softmax**：对注意力分数应用softmax函数，使其成为概率分布。3. **加权求和**：使用注意力权重对值（value）进行加权求和，得到上下文向量。
【Python机器学习】长短期记忆网络（LSTM）
weixin_39407597的博客
09-13 1172
LSTM对于循环网络的每一层都引入了状态的概念。状态作为网络的记忆。可以把上述过程看成是在面向对象编程中为类添加属性。每个训练样本都会更新记忆状态的属性。
深度学习入门：动手学PyTorch
"动手学深度学习pytorch.pdf" 是一份深度学习的学习文档，专注于通过PyTorch框架进行实践教学。该文档由AstonZhang、ZacharyC.Lipton、MuLi和AlexanderJ.Smola合作编写，内容涵盖深度学习的基础知识、PyTorch的使用...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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