动手学深度学习Pytorch版本学习笔记整理链接

最新推荐文章于 2021-06-21 13:57:25 发布
最新推荐文章于 2021-06-21 13:57:25 发布
阅读量377 收藏 1
点赞数
分类专栏： 动手学深度学习pytorch内容 文章标签： 自然语言处理 深度学习 神经网络
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/jhb1021821368/article/details/104318973
版权

Task 01

线性回归模型，softmax分类模型，多层感知机
笔记链接

Task 02

文本预处理 ，传统的n-gram模型 ，循环神经网络基础
笔记链接

Task 03

过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶
笔记链接

Task 04

机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer
笔记链接

Task 05

卷积神经网络基础；leNet；卷积神经网络进阶
笔记链接

Task 06

批量归一化和残差网络；凸优化；梯度下降
笔记链接

Task 08

数据增强；模型微调
笔记链接

Task 09

目标检测基础；图像风格迁移；图像分类案例
笔记链接

Task 10

GAN；DCGAN
笔记链接

夜灬凄美
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【机器学习】《动手学深度学习 PyTorch版》李沐深度学习笔记
qq_44832832的博客
11-14 2631
【机器学习】《动手学深度学习 PyTorch版》李沐深度学习笔记
【机器学习】《动手学深度学习 PyTorch版》李沐深度学习笔记（googlenet）
最新发布
qq_44832832的博客
11-21 666
【机器学习】《动手学深度学习 PyTorch版》李沐深度学习笔记（googlenet）
动手学深度学习（Pytorch版）知识点笔记（1）
m0_53703555的博客
06-21 167
一、数据操作 1、创建Tensor #创建⼀个5x3的未初始化的 Tensor import torch x=torch.empty(5, 3) #创建⼀个5x3的随机初始化的 Tensor x = torch.rand(5, 3) #创建⼀个5x3的long型全0的 Tensor x = torch.zeros(5, 3, dtype=torch.long) #获取tensor的形状 print(x.size()) print(x.shape) 2、Tensor索引操作 Tensor支持与numpy
李沐《动手学深度学习》第二章学习笔记(pytorch)
tortorish的博客
04-30 894
李沐《动手学深度学习》第二章学习笔记
PyTorch版《动手学深度学习》学习笔记 Task.4
zhencheng033的博客
02-18 149
有效长度 def SequenceMask(X, X_len,value=0): maxlen = X.size(1) mask = torch.arange(maxlen)[None, :].to(X_len.device) < X_len[:, None] X[~mask]=value return X 在seq2seq模型中，解码器只能隐式地从编...
动手学深度学习pytorch.pdf
02-26
《动手学深度学习PyTorch》是一本面向实践的深度学习教程，旨在帮助读者通过动手实践来掌握深度学习的核心概念和技术。这本书由Aston Zhang、Zachary C. Lipton、Mu Li和Alexander J. Smola等人撰写，最新版本为...
动手学深度学习Pytorch版本学习笔记 Task4
01-06
1.机器翻译及相关技术 机器翻译（MT）：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。 主要特征：输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的...
动手学深度学习-pytorch-源代码
04-14
《动手学深度学习》是一本深受读者喜爱的书籍，它以PyTorch为工具，深入浅出地介绍了深度学习的基本概念、模型和实践方法。PyTorch是Facebook开源的一个强大的深度学习框架，以其易用性、灵活性和强大的计算能力而...
动手学深度学习Pytorch版本学习笔记 Task3
01-20
1.过拟合、欠拟合及其解决方案 过拟合：模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）； 欠拟合：模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。...
动手学深度学习Pytorch版本学习笔记 Task 05
01-07
1.卷积神经网络基础 卷积其实就是将许多部分的信息进行压缩，在过大维度矩阵的情况下，因为存在过多的信息 第一是为运算上带来了很多麻烦 第二是类似拿着显微镜看一幅画，难以捕捉其整体的信息。...
[动手学深度学习PyTorch笔记三]
weixin_43246989的博客
02-18 289
一 过拟合、欠拟合及其解决方案 欠拟合（underfitting）： 一类是模型无法得到较低的训练误差，我们将这一现象称作 过拟合（overfitting）：模型的训练误差远小于它在测试数据集上的误差，我们称该现象为。 在实践中，我们要尽可能同时应对欠拟合和过拟合。两个主要影响因素：模型复杂度和训练数据集大小。模型复杂度过低会导致欠拟合，过高则导致过拟合，训练数据集过小容易发生过拟合。因此需选取适...
《动手学深度学习》Pytorch版学习笔记（二）：Task04
qq_30006749的博客
02-15 827
《动手学深度学习》Pytorch版学习笔记（二）：Task04课程背景主修课程1 任务2 机器翻译及相关技术3 注意力机制与Seq2seq模型3.1 注意力机制3.2 注意力机制框架3.3 引入注意力机制的Seq2seq模型3.4 解码器3.5 训练3.6 训练和预测4 Transformer4.1 多头注意力层4.2 基于位置的前馈网络4.3 Add and Norm4.4 位置编码4.5 编码...
动手学深度学习学习笔记（4）
itwaits的博客
08-02 210
自动求梯度 PyTorch提供的autograd包能够根据输入和前向传播过程自动构建计算图，并执行反向传播。 概念 Tensor是这个包的核心，如果将其属性.requires_grad设置为True，它将开始追踪在其上的所有操作（这样就可以利用链式法则进行梯度传播）。完成计算后，可以调用.backward()来完成所有梯度计算。此Tensor的梯度将累积到.grad属性中。 注意在y.backward()时，如果y是标量，则不需要为backward（）传入任何参数，否则，需要传入一个与y同形的Tensor。
动手学习深度学习pytorch版——线性回归
Lavendelion的博客
10-15 1036
线性回归——动手学习深度学习pytorch版1. 线性回归——从零开始1.1 用随机数生成并保存数据1.2 创建训练数据集的迭代器1.3 构造最简单的线性层网络1.4 构造自己的损失函数1.5 开始训练啦！   本系列是基于亚马逊李沐老师的教材《动手学习深度学习》，以及李沐老师对应的视频教程内容展开。但是李沐老师课程中使用的深度学习框架是MXNet，其实选择什么框架并不是重点，重点应该是其中的内容...
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
datayx的文章
05-02 899
向AI转型的程序员都关注了这个号????????????人工智能大数据与深度学习 公众号：datayx由 MXNet 创始人李沐大神、Aston Zhang 等人所著的交互式书籍《动手学...
《动手学深度学习》Pytorch版学习笔记（一）：Task01
qq_30006749的博客
02-14 524
《动手学深度学习》Pytorch版学习笔记（一）：Task01课程背景主修课程1 任务2 线性回归2.1 线性回归的基本要素2.2 线性回归模型从零开始的实现2.3 线性回归模型使用pytorch的简洁实现2.4 两种实现方式的比较3 softmax和分类模型3.1 softmax回归的基本概念3.2 如何获取Fashion-MNIST数据集和读取数据3.3 softmax回归模型的从零开始实现3...
动手学深度学习PyTorch版学习笔记2
Billre的博客
02-18 313
卷积神经网络基础 本节我们介绍卷积神经网络的基础概念，主要是卷积层和池化层，并解释填充、步幅、输入通道和输出通道的含义。 二维卷积层 本节介绍的是最常见的二维卷积层，常用于处理图像数据。 二维互相关运算 二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通...
动手学深度学习PyTorch版-线性回归代码（PyTorch实现）
qq_25900175的博客
02-12 317
1.首先先导入所用到的包 %matplotlib inline import torch from torch import nn import numpy as np torch.manual_seed(1) print(torch.__version__) torch.set_default_tensor_type('torch.FloatTensor') print(torch.__ve...
动手学深度学习PyTorch版
yanqianglifei的专栏
02-18 2426
课程介绍 本课程面向希望更多的通过代码实践去学习深度学习原理的同学和在职人士。 《动手学深度学习》是2019年国内最受欢迎的人工智能学习教材之一，伯禹教育携手上海交通大学团队，以此书的知识架构为基础，沿用了其中的原理讲解文档，并将代码框架由MXNET迁移至PyTorch，还对这些优质的实践代码制作了讲解视频。其中部分PyTorch代码来自GitHub开源仓库：https://git...
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