深度学习（一）

深度学习

• 学习参考资料为：b站我是土堆的PyTorch深度学习快速入门以及李沐动手学深度学习

PyTorch学习

• 链接：https://www.bilibili.com/video/BV1hE411t7RN/

• 先安装ANACONDA，去官网下载然后安装，记住安装的地方在哪

• 在ANACONDA里面新建环境的时候，遇见了这个问题：
  

• 具体在csdn找到了解决办法，通过删注册表解决了这个问题：

• 按Win+R快捷键，输入regedit，打开注册表编辑器找到HKEY_CURRENT_USER/Software/Microsoft/Windows/CurrentVersion/Internet Settings分支，把它下面以 Proxy 打头的键值对（如ProxyEnable，ProxyOverride，ProxyServer等）全部删除。（但是发现会重复出现这些问题）

• 还有可能的问题是：用conda安装的时候很慢，安装不下来，这时候可以用pip安装，而且要对应python版本会特别快，比如我是python3.8安装的cuda的11.8版本，用手机热点会很快（亲测）

• 还有个问题是在新建的环境里安装jupyter会出问题，然后执行了

conda install nb_conda_kernels
conda install jupyter notebook 

编辑器选择

• 对比：

  • python文件的块是所有行的代码
    • 优点：通用，传播方便，适用于大型项目
    • 缺点：需要从头运行
  • python控制台
    • 优点：显示每个变量的属性
    • 缺点：不利于代码阅读与修改
  • jupyter
    • 优点：利于代码阅读及修改
    • 缺点：环境需要配置

• jupyter中，ctrl+enter是执行当前块，shift+enter是执行完当前块后生成下一个块

深度学习

• 这里是跟着李沐的动手学深度学习，b站指路：https://space.bilibili.com/1567748478/channel/seriesdetail?sid=358497

• 这个版本的是在linux上安装，然后我是在windows上安装，上面pytorch学习讲到了我安装时遇见的一些问题和解决方法。

• 直接从第四集开始记录，后面的代码都是在jupyter运行

04 数据操作与数据预处理

数据操作实现

#注意：这里每个#下面或者被紧贴着的上下两个#包裹着的都是直接可以在jupyter的代码块里运行的。
#首先导入torch
import torch

#张量表示一个数值组成的数组，这个数组可能有多个维度
x = torch.arange(12)
x

#可以通过张量属性的shape来访问张良的形状和张量中元素的总数
x.shape
x.numel()

#要改变一个张量的形状而不改变元素数量和元素值，可以使用reshape函数
x = x.reshape(3,4)
x
#比如上面就会将x = torch.arange(12)这里的一维数组变为三行四列的二维数组


#使用全0，全1，其他常量或者从特定分布中随机采样的数字,下面是深度2，长度3，宽度4的三维（两个三行四列的二维数组）
torch.zeros((2,3,4))
torch.ones((2,3,4))


#通过提供包含数值的python列表（或嵌套列表）来为所需张量中的每个元素赋予确定值
torch.tensor([[2,1,4,3],[2,1,4,3],[2,1,4,3],[2,1,4,3]])


#常见的标准算数运算符（+，-，*，/和**）都可以被升级为按元素运算
x = torch.tensor([1.0,2,4,8])
y = torch.tensor([2,2,2,2])
x+y,x-y,x*y,x/y,x**y


#也可以把多个张量连接在一起
x = torch.arange(12,dtype=torch.float32).reshape((3,4))
y = t