![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
动手学深度学习
文章平均质量分 56
kira_Y
这个作者很懒,什么都没留下…
展开
-
动手学深度学习系列笔记02预备知识-02数据预处理pandas
读取数据集注释#@save是一个特殊的标记,该标记下方的函数、类或语句将保存在d2l软件包中,以便以后可以直接调用它们(例如d2l.mkdir_if_not_exist(path))而无需重新定义将数据集按行写入csv文件中。import osos.makedirs(os.path.join('/home', 'data'), exist_ok=True)#确保目录存在data_file = os.path.join('/home', 'data', 'house_tiny.csv')prin原创 2022-04-30 20:45:21 · 2182 阅读 · 0 评论 -
动手学深度学习系列笔记02预备知识-02数据预处理pandas
读取数据集注释#@save是一个特殊的标记,该标记下方的函数、类或语句将保存在d2l软件包中,以便以后可以直接调用它们(例如d2l.mkdir_if_not_exist(path))而无需重新定义将数据集按行写入csv文件中。import osos.makedirs(os.path.join('/home', 'data'), exist_ok=True)#确保目录存在data_file = os.path.join('/home', 'data', 'house_tiny.csv')prin原创 2021-12-21 12:46:32 · 913 阅读 · 5 评论 -
动手学深度学习系列笔记02预备知识-01数据操作ndarray
数据操作为了能够完成各种操作,我们需要某种方法来存储和操作数据。n 维数组,也称为张量(tensor)。无论使用哪个深度学习框架,它的张量类(在MXNet中为ndarray,在 PyTorch 和TensorFlow中为Tensor)都与Numpy的ndarray类似,但又比Numpy的ndarray多一些重要功能:首先,GPU 很好地支持加速计算,而NumPy仅支持CPU计算;其次,张量类支持自动微分。这些功能使得张量类更适合深度学习。ndarrayimport torch具有一个轴的张量对应原创 2021-08-23 10:15:02 · 957 阅读 · 1 评论 -
动手学深度学习系列笔记01前言
沐神的动手学深度学习第二版网址https://zh-v2.d2l.ai/目前中文版还没翻译完。下面我用沐神这本书来做一个笔记,记录下来。主要的是对于代码的注释方面。数据关键组件数据模型目标函数定义模型的优劣程度的度量。损失函数:定义一个目标函数,并希望优化它到最低点。当任务为试图预测数值时,最常见的损失函数是平方误差(squared error),即预测值与实际值之差的平方。 当试图解决分类问题时,最常见的目标函数是最小化错误率,即预测与实际情况不符的样本比例。分类目前一般用交叉熵损失函数原创 2021-08-22 16:42:51 · 151 阅读 · 0 评论