Pytorch-前置知识

最新推荐文章于 2025-04-27 20:09:54 发布
最新推荐文章于 2025-04-27 20:09:54 发布
阅读量169 收藏
点赞数
分类专栏： PyTorch 文章标签： 机器学习 人工智能
原文链接：https://www.bilibili.com/video/BV15G4y1i71s?p=1&vd_source=c1fbf609ddc30b36a9d00577df1296a5
版权

机器学习基本概念

python编程基础

线性代数/概率论等数学知识

Linux编程经验

学习建议

周志华老师的机器学习西瓜书

李华老师的统计学习方法

麻省理工的线性代数

深度学习的花书

吴文达老师的机器学习的课程

 关注公众号：咕泡AI 回复：77 即可获取视频配套代码 还有up整理的人工智能计算机视觉零基础入门资料包 人工智能公开课、论文、面试指导、技术答疑、学习规划 联系小助理即可获取~

pytorch基础知识
lemonHe的博客
05-19 757
参考pytorch官方教程，撸pytorch基础知识，记录学习的过程 主要参考DEEP LEARNING WITH PYTORCH: A 60 MINUTE BLITZ，再加上一些numpy的基础知识，这算是一篇对pytorch和numpy的基础知识的总结吧，共分5个方面，这里主要记录1，2部分的学习，英语较好的同学可以直接看参考[1]。 pytorch是基于python的一个科学计算包，主要面...
pytorch基本知识—主要轮子简介
Sin_Geek成长の迹
09-12 1816
深度学习框架背后的设计核心基本都是张量和计算图，PyTorch也不例外，以下会依次介绍下这些给力的轮子~~ Tensor Tensor, 中文名张量，Theano、 TensorFlow、 PyTorch和MXNet中重要的数据结构。张量这一术语起源于力学，是一个非常重要的数学工具，有兴趣的可以自行了解。从工程角 度讲，可简单地认为它就是一个数组，且支持有效的科学计算。它可以是一个数（标量）...
pytorch安装以及前置知识
weixin_62760638的博客
11-23 535
训练神经网络前你一定要了解的pytorch小知识
二、预备知识—pytorch数据基本操作
丨菜小白丶的博客
09-20 548
李沐《动手学深度学习》学习笔记，pytorch的数据基本操作代码示例
Pytorch深度学习一些预备知识
王斯的博客
03-31 1566
1.“Numpy”的进阶版Tensor对象 Pytorch的Tensor（张量）和Numpy极度相似，但Tensor更强劲一点。其一是它能够被GPU运算；其二是可以自动求微分。 import torch import numpy as np Tensor可以定义在GPU上，也可以定义在CPU上，通常用dtype指定数据类型、device指定它的设别（是在CPU上还是在GPU上） 方法torch.Tensor与torch.tensor的不同 1.1 tensor与Tensor的不同 torch.Tensor
43期《深入浅出Pytorch》课程 - Task01:PyTorch的安装和基础知识+前置知识打卡
Bessie_Lee
11-16 1120
之前李弘毅老师的视频中说过，深度学习再一次爆火的一部分原因是，可以用GPU进行并行运算了，大大减少训练模型时间，但是由于自己电脑配置太低，cuda不太能用，之前试过没有成功。由于之前系统学习过numpy并且参加过一些比赛，于是不在此赘述关于张量部分的知识，和numpy的基础很像，换个包名字就行(具体关于numpy的可以参考此链接。的(accumulated)，这意味着每一次运行反向传播，梯度都会累加之前的梯度，所以一般在反向传播之前需把梯度清零。对于并行运算，有一个李弘毅老师视频讲过，就类似下方这种（
【模型量化实战】：如何利用PyTorch-Quantization解决YOLOv8性能挑战
本文首先概述了模型量化的基本概念及PyTorch-Quantization工具的基础知识，随后深入分析了YOLOv8模型的架构和性能挑战，探讨了模型量化对性能的影响。文章详细介绍了PyTorch-Quantization工具的使用以及量化过程中的...
觉之瞳专题：PyTorch安装指南
unrealnum_border的博客
08-08 862
上一章我们简要谈了PyTorch到底是什么？这一章我们将简要谈谈PyTorch的安装指南。
如何构建神经网络中的神经元（pytorch 前置知识）
deep learning
08-27 1160
构建最简单的perceptrons 首先需要对生物学里的神经元有一个基本理解 对于深度学习， 只需知道神经细胞的两大部分， 轴突和树突， 了解它们之间是如何传递信息的， 因为感知器是完全按照这一逻辑构建， 虽然无法达到人类的神经细胞全部功能， 但是目前最好的， 最简单的数学模型。 轴突和树突之间要进行信号的传递， 即为输入和输出，传递的结果可能被激活也可能没有。 单一神经元模型 输入为x1, x2, 1, 当然也可以有几百几千个输入， 输入的每一个值需要乘以相应的权重， w1, w2, w0, 其中w
最大池化pytorch
2302_79795489的博客
10-13 656
1、输入：张量的形状是（N,C,H,W）或（C,H,W）) – when True, will use ceil instead of floor to compute the output shape（True：向上取整，保留不足的部分；False：向下取整，去除不足一份的部分）2、池化的作用：从特征图中提取最有代表性的特征；防止过拟合，实现降维；保持平移不变性。（即保留重要特征，同时减少数据量，使模型训练得更快 eg: 1080P高清——>720P高清）
第一节 pytorch预备知识
qq_41924862的博客
03-04 1002
pythorch 预备知识 数据处理
python刷算法题-前置知识总结
FlowLiver
05-29 407
1.输入a=input() b=int(input()) c=float(input()) 2.除法 10/3 3.3333333333333335 9/3 3.0 10//3 3 10%3 1 3.判断and or not 4.字符串str类 len('ABC') # 求字符串长度 print(f'{s:.2f}') #s后余两个小数点 a=int("3") a 是int s.lower() a.replace('a', 'A') 5.列表
PyTorch入门【小土堆】
Ashley_ly的博客
10-26 1776
pyTorch小土堆
pytorch入门使用及前置知识（2）NLP
jayden
05-11 1307
本文对深度学习基本要素进行了解释，并且由浅入深使用Pytorch代码逐步完成基础模型的实现。
pytorch入门基础知识小白必备，强推，超详细！！！（一）
qq_26413875的博客
09-25 1381
这是本人刚学习pytorch时学习的代码，虽然不是百分百本人亲自写的，但是也修改注释了一下。本来代码就是开源的，因此，就特地分享出来供大家一起学习，一起↖(ω)↗。希望刚学pytorch的耐心把它看完，真的很有帮助~ 上车吧，骚年~ #!/usr/bin/env python # -*- coding:utf-8 -*- # Author: yehaizi time:2019/8/13:15:37...
入门最佳！PyTorch深度学习免费课程（附资源）
THU数据派
09-26 5311
来源：新智元本文共1600字，建议阅读6分钟。为你推荐一个适合碎片时间学习的关于神经网络编程和PyTorch的课程。[ 导读 ]本文推荐一个关于神经网络编程和PyTorc...
【无标题】
weixin_50713798的博客
07-05 364
pytorch入门
杂谈-有感而发
2401_83351807的博客
04-23 387
现在想想，先学线性代数呢还是先搞明白向量积呢？现在来看肯定不是，在纯磁场中，F = qvxB才对，而且对于v和B的叉乘方向再熟悉不过了，B穿掌心，v延四指，大拇指就是F方向。今天又拜读了线性代数的几何意义这本书，感觉确实是很不错的，从几何角度讲解线性代数，而且将线性代数、几何、数学、物理有机结合起来了，不仅仅是可视化，重要的是能便于自己独立思考下去。所以现在看看，学线性代数的路线应该是：从洛伦兹力切入向量积概念后，明白混合积的意义，然后再去学线性代数，最好能够可视化，从而产生自己的理解。
【机器学习-线性回归-4】线性回归中的最优解：从数学原理到实践应用
最新发布
weixin_39033358的博客
04-27 872
什么是最优解？在线性回归中，最优解指的是能够最小化预测值与真实值之间差异的参数组合。损失函数其中m是样本数量。我们的目标就是找到使J(w)最小的w。解析解（闭式解）对于普通最小二乘回归(OLS)，最优解可以通过正规方程(Normal Equation)直接求得：无偏性：E[w*] = w_true最小方差：在所有线性无偏估计量中方差最小（高斯-马尔可夫定理）几何解释从几何角度看，线性回归的最优解是在特征空间中找到的能够最小化残差向量长度的投影。Xw*实际上是y在X列空间上的正交投影。
langchain的前置知识
07-16
3. **NLP基础知识**：词向量（Word Embeddings）、标记（Tokenization）、分词、词法分析等文本处理技术。 4. **深度学习**：理解神经网络、激活函数（如ReLU）、损失函数（如交叉熵）以及反向传播算法。 5. **...
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