动手学深度学习

学习前- - -计算机缺失的一课

The Missing Semester of Your CS Education

开始学习- - -安装

安装CONDA

安装依赖Python 3.x的anaconda或者miniconda(miniconda是anaconda精简版), 推荐国内镜像：
清华大学开源软件镜像站 | Tsinghua Open Source Mirror

安装深度学习框架和d2l软件包

可以按如下方式安装PyTorch的CPU或GPU版本:

pip install torch==1.12.0
pip install torchvision==0.13.0

接下来是安装d2l包，以便调取经常使用的函数和类:

pip install d2l==0.17.6（版本建议最新）

下载 d2l Notebook

略

数据操作

张量（tensor）：张量类（在MXNet中为ndarray， 在PyTorch和TensorFlow中为Tensor）都与Numpy的ndarray类似。

//导包
import torch

它被称为PyTorch，但是代码中使用torch而不是pytorch。张量表示一个由数值组成的数组，这个数组可能有多个维度。 具有一个轴的张量对应数学上的向量（vector）；具有两个轴的张量对应数学上的矩阵（matrix）。
理解生成张量、运算符、广播机制、索引和切片、节省内存和转为其它python对象。

数据预处理

：使用pandas预处理原始数据，并将原始数据转换为张量格式

//读取数据
import os
import pandas as pd

data = pd.read_csv(data_file)
print(data)

数据集

//   NumRooms Alley   Price
0       NaN  Pave  127500
1       2.0   NaN  106000
2       4.0   NaN  178100
3       NaN   NaN  140000

缺失值处理

inputs, outputs = data.iloc[:, 0:2], data.iloc[:, 2]
inputs = inputs.fillna(inputs.mean())
print(inputs)
inputs = pd.get_dummies(inputs, dummy_na=True)
print(inputs)

转换为张量格式

import torch

X, y = torch.tensor(inputs.values), torch.tensor(outputs.values)

线性代数

微积分

自动微分

概率

查阅文档