- 博客(4)
- 收藏
- 关注
RSS订阅原创 深度学习学习笔记（四）
我们通常使用pandas预处理原始数据，pandas可以与张量兼容。要使用数据，首先需要读取数据集，这一步操作可以读取csv文件并打印出来，直观的展示数据集比如：但是有个问题不能忽略，我们拿到的数据集可能有缺失。
2025-05-06 23:07:26
196
原创 深度学习学习笔记（三）
函数是 PyTorch 中的一个函数，用于计算输入张量x中每个元素的指数函数 (e^x)。换句话说，它返回一个新张量，其中每个元素是输入张量对应元素的指数函数值。如果x是一个张量，的输出将是一个与输入张量x具有相同形状的张量，其中每个元素是x中对应元素的指数函数值。例如，如果x是，则的输出将是，其中e是自然对数的底数，约等于2.71828。这个函数在深度学习中经常用于处理概率分布或激活函数等情况。连结通过torch.cat函数，能够按照指定维度对张量进行拼接，进而得到新的张量。有时，我们想通过。
2025-04-28 22:39:47
536
原创 深度学习学习记录（二）
随机生成形状为（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。我们还可以提供赋予确定值的张量（嵌套列表），注意最外层的列表对应于轴0，内层的列表对应于轴1。这里的-1使reshape函数自动计算，可以取代x.reshape(3,4)可以用numel()函数知道张量中元素的总数，也是所有轴元素的乘积。怎么把该x由行向量（12,）转化为形状为（3,4）的矩阵？可以用张量的shape属性来访问张量的沿着每个轴的形状。比如形状为（2,3,4）的张量，所有元素为零。
2025-04-26 00:21:08
447
原创 深度学习学习记录（一）
这里的唤醒词是任意的自然语言，所以我们需要一个足够丰富的“模型族”，理想情况下，同一个模型族应该适合于“Alexa”识别和“Hey Siri”识别，因为从直觉上看，它们似乎是相似的任务。这是因为在一定程度上，许多重要的任务可以清晰地描述为，在给定一组特定的可用数据的情况下，估计未知事物的概率。（Learning）是一个训练模型的过程，通过这个过程，就可以发现正确的”参数集”,使模型强制执行所需要的行为。这也是“序列到序列”的学习问题，输出比输入短的多，数千个输入样本可能对应一个字。
2025-04-25 14:23:09
1381
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人