动手学深度学习
文章平均质量分 72
懒羊羊大王要读博!
这个作者很懒,什么都没留下…
展开
-
《动手学深度学习》——Softmax 回归 + 损失函数 + 图片分类数据集
本节代码文件在chapter_linear-networks/image-classification-dataset.ipynb中。原创 2024-03-21 20:24:33 · 364 阅读 · 1 评论 -
《动手学深度学习》代码笔记3——线性回归+基础优化算法
首先导入包, 将matplot的图嵌入代码中生成数据集:根据带有噪声的线性模型构造一个人造数据集。其中,w是权重参数,b是偏差,是噪声,可以视为模型预测和标签时的潜在观测误差。注:features中的每一行都包含一个二维数据样本,labels中的每一行都包含一维标签值(一个标量)读取数据集:定义一个data_iter函数, 该函数接收批量大小、特征矩阵和标签向量作为输入,生成大小为batch_size的小批量。原创 2024-01-27 22:26:13 · 431 阅读 · 2 评论 -
《动手学深度学习》——线性代数+矩阵计算+自动求和
本章代码在chapter_preliminaries/linear-algebra.ipynb中。原创 2024-01-25 21:51:04 · 920 阅读 · 0 评论 -
《动手学深度学习》笔记1——数据操作+数据预处理
表示一个由数值组成的数组,n维数组,PyTorch和tensorflow中的张量类为tensor,MXNet中的张量类为ndarray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);具有两个轴以上的张量没有特殊的数学名称。首先导入torch:虽然它被称为PyTorch,但是代码中使用torch而不是。使用arange创建一个行向量 x通过张量的shape属性来访问长度为12张量中的(size):元素个数为12。原创 2024-01-24 22:20:42 · 768 阅读 · 0 评论