![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习(李沫)
文章平均质量分 80
高runner
这个作者很懒,什么都没留下…
展开
-
3.3. 线性回归的简洁实现
nn模块是PyTorch提供的一个用于构建神经网络的高级API,它封装了一些常用的神经网络层和模型,使得构建和训练神经网络变得更加简单和方便。综合起来,这段代码实现了一个简单的训练循环,通过多轮的训练,使用随机梯度下降算法更新模型的参数,以最小化损失函数。`net(X)`表示将输入X传入神经网络模型进行前向传播得到预测值,`loss()`表示计算预测值和真实标签之间的损失。8. `l = loss(net(features), labels)`:计算整个训练数据集上的损失值,用于打印训练过程中的损失变化。原创 2023-10-23 17:07:21 · 93 阅读 · 0 评论 -
3.2线性神经网络
"""线性回归模型"""¶"""小批量随机梯度下降"""params:list,包含了w和b。1r:学习率batch_size,代表批次大小。with torch.no_grad():更新的时候不要进行梯度计算:使用小批量随机梯度下降更新参数。param.grad表示参数的梯度,lr表示学习率,batch_size表示批次大小。更新的公式为:参数 = 参数 - 学习率 * 梯度 / 批次大小。其中梯度会存在你的.gard里面:将参数的梯度清零。原创 2023-10-22 17:33:23 · 125 阅读 · 1 评论 -
2.6 概率
这将返回一个长度为6的一维张量,其中只有一个元素的值为1,其余元素的值为0。因为我们是从一个公平的骰子中生成的数据,我们知道每个结果都有真实的概率1/6, 大约是0.167,所以上面输出的估计值看起来不错。总之,这段代码计算了一个多项分布的估计概率,并使用matplotlib库将估计概率曲线进行可视化展示。从一个多项分布中进行10次随机抽样的过程,并返回了每个事件被抽中的次数。然后,我们使用一个循环来绘制每个事件的估计概率曲线。,其中每个元素的值都是1/6,表示每个事件发生的概率是相等的。原创 2023-10-20 10:24:50 · 133 阅读 · 1 评论 -
安装环境大集合
之后pip安装: pip install .\d2l-0.15.1-py3-none-any.whl。出现错误:于是把下载好的d2l放在给出的路径中,再次运行以上代码。来清除conda的缓存,然后再次尝试安装d2l。来更新conda版本,然后再次尝试安装d2l。来添加清华镜像源,然后再次尝试安装d2l。先学,出现问题再解决。中安装,推荐使用conda安装,然后使用清华镜像源:使用命令。更新conda:使用命令。原创 2023-10-18 16:11:35 · 57 阅读 · 1 评论 -
2.4微积分
这是一个Jupyter Notebook的魔法命令,它告诉Jupyter Notebook在输出结果中显示Matplotlib绘图的结果,并将这些图形嵌入到Notebook中。在这个例子中,函数计算了3 * x的平方减去4 * x的值,并将结果返回。:这是一个打印语句,它会将一些文本和变量的值打印到控制台。这段代码的作用是计算一个函数在不同步长下的数值极限值。这样,在后续的绘图操作中,如果没有显式指定图表大小,就会使用这个默认值。,并导入了一些常用的库和模块,以便在后续的代码中使用它们。原创 2023-10-18 19:50:35 · 563 阅读 · 3 评论 -
2.3. 线性代数
新张量的第一行与原始张量A的第一行相同,第二行是原始张量A的第一行和第二行的和,以此类推。元素的值类似于第x维上的前缀和。同样,给定具有相同形状的任意两个张量,任何按元素二元运算的结果都将是相同形状的张量。如果两个矩阵的维度不同, 且从后往前一直都满足特定情况, 那么对于维度小的矩阵会自动补全为另一个矩阵的维度。如果axis=1即对A的第二个维度也就是5这个维度进行求和, 返回值就是一个大小为2x4的张量。将生成一个2行3列的新张量,其中第一行与A的第一行相同,第二行是A的第一行和第二行的和。原创 2023-10-18 14:20:57 · 94 阅读 · 1 评论 -
2.2数据的预处理
李沫学深度学习原创 2023-10-16 21:51:42 · 434 阅读 · 2 评论