![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
gf_lvah
这个作者很懒,什么都没留下…
展开
-
深度学习之缺失值处理笔记
在机器学习、深度学习中, 训练模型之前必须有足够的数据, 但遗憾的是数据可能存在缺失值,缺失值可能是数值,也可能是字符串,对于这些缺失值该如何处理呢,是经常困惑我的问题,故将学习的内容总结到该博客中。学习视频链接: 李沐:动手学深度学习视频...原创 2021-04-11 17:26:39 · 2098 阅读 · 0 评论 -
pytorch的张量转换:Numpy张量和Python标量
在深度学习里面最常用的数据类型不是torch,也不是tensorflow,而是numpy。那么如何进行数值转换呢?其实很简单, 直接用封装的方法即可。转换为Numpy张量将大小为1的张量转换为 Python 标量,我们可以调用 item 函数或 Python 的内置函数。...原创 2021-04-11 16:34:39 · 3964 阅读 · 0 评论 -
pytorch广播机制的理解
想要了解数组维度不同是否可以做数值运算?我们写的数值运算是否真的按照我们想的方式在运作?那么为了避免这些不易察觉的错误,一定要了解下广播机制。众所周知, == 维度相同,形状相同的数组可以进行数值运算。==图中a是2行3列的二维数组,b是2行3列的数组。维度相同,都是二维数组。 形状相同,都是2行3列(shape=(2,3))。因此可以直接进行+,-,*,/等数值运算。...原创 2021-04-11 16:08:01 · 343 阅读 · 0 评论 -
pytorch维度的理解
在学习pytorch实现合并和求和运算时,经常会用到维度的概念,我在第一次接触时还是有点混乱的,在实践操作过程中,总结出一套自己的理解思路,故记录总结到博客上。此处dim代表维度, 和numpy模块中的axis一样。对于二维数组而言, dim=0代表行, dim=1代表列。数组合并操作数组求和操作dim=0代表行相加, 可以理解为所有行相加之和dim=1代表列相加,可以理解为所有列相加之和...原创 2021-04-11 15:56:44 · 888 阅读 · 0 评论 -
深度学习(一) 我们一起开始深度学习吧
深度学习(一) 概论深度学习(机器学习的一个分支)系列博客是根据李宏毅2020最新的深度学习课程学习整理的笔记。为什么决定整理笔记,开始将学习的内容写下来呢?当我们开始写作,开始以文字的方式记录自己学习的内容,整理成知识框架,也是开始不断的“刻意练习”, 不断提高写作水平和写作质量的过程,也就会不断提高影响力。无论我们学了多少知识,有了多少思考,若我们不写,不说,基本等于将知识废除了...原创 2020-04-22 20:11:37 · 769 阅读 · 0 评论