动手学习深度学习笔记

已于 2023-08-03 22:51:04 修改
阅读量232 收藏
点赞数
分类专栏： 光场图像超分辨率 文章标签： 学习 笔记
于 2023-07-27 21:20:58 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42403145/article/details/131968593
版权
本文介绍了数据操作和预处理的基本步骤，探讨了线性代数中的矩阵运算，包括按轴求和与保持维度。接着讨论了自动求导在机器学习中的应用，并详细阐述了线性回归模型以及基础优化算法的选择，强调了批量大小在训练过程中的重要性，指出应适中选取以平衡计算效率和内存消耗。
摘要由CSDN通过智能技术生成

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

前言

04数据操作 + 数据预处理

在这里插入图片描述

05线性代数实现

在这里插入图片描述
在这里插入图片描述
按照axis = 0求和，相当于把5去掉，从[5，4]变成[4]

如果加上keepdimension的话，那一个维度不是去掉而是变成1
在这里插入图片描述
在这里插入图片描述

06矩阵运算

x是标量，y是标量，y对x求导是标量
x是标量，y是向量，y对x求导是向量
x是向量，y是标量，y对x求导是向量
x是向量，y是向量，y对x求导是矩阵
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

07自动求导

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

08线性回归+基础优化算法

选择批量大小：不能太小，每次计算量太小，不适合并行来最大利用计算资源，也不能太大，会使内存消耗增加，浪费计算，例如如果所有样本都是相同的。

总结

数二150种子选手
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
深度学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 25万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
[深度学习]动手学深度学习笔记-6
01-20
在本篇【深度学习】动手学深度学习笔记-6中，我们主要关注的是Task-3，即循环神经网络（RNN）的进阶部分，特别是长短期记忆网络（LSTM）。LSTM是一种特殊的RNN变体，设计用于解决标准RNN在处理长序列数据时可能出现...
《动手学深度学习2.0》学习笔记（一）
m0_51619560的博客
01-18 925
动手学深度学习2.0》电子书的链接地址为https://zh.d2l.ai/index.html本文记录了我在学习本书前4章节（包括引言、预备知识、线性神经网络、多层感知机）过程中的理解和收获。more。
《动手学深度学习》学习笔记
欢迎来到槐月初叁的博客
01-11 1780
本文首先介绍了深度学习的基础知识，包括线性回归、多层感知机、卷积神经网络、循环神经网络的基本原理，在其基础上讲解网络优化算法进一步优化网络和自定义网络实现自己的网络。然后介绍深度学习的应用，具体包括单发多框目标检测、语义分割、风格迁移、中英文翻译系统。最后总结我对本课程学习的心得体会和建议。
【李沐】动手学深度学习 学习笔记
热门推荐
chenxiaowai_的博客
03-21 1万+
你好！这是【李沐】动手学深度学习v2-基于pytorch版本的学习笔记教材源代码安装教程（安装pytorch不要用pip，改成conda，pip太慢了，下载不下来）个人推荐学习学习笔记本节代码文件在源代码文件的chapter_deep-learning-computation/custom-layer.ipynb中不带参数的层下面的CenteredLayer类要从其输入中减去均值。要构建它，我们只需继承基础层类并实现前向传播功能。让我们向该层提供一些数据，验证它是否能按预期工作。带参数的层。
动手学深度学习v2学习笔记 0 安装
m0_71157411的博客
06-21 513
cudnn*.lib 文件应在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\lib\x64 中。cudnn*.h 文件应在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\include 中。cudnn*.dll 文件应在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\bin 中。：可以根据需要选择是否勾选。
PyTorch动手学深度学习 笔记目录
taifyang的博客
01-01 895
PyTorch动手学深度学习 目录。
《动手学深度学习》学习笔记 第6章 卷积神经网络
weixin_42046845的博客
01-02 1386
书里为了让读者更好的理解，有大篇幅的描述性的文字，内容很多，笔记只保留主要内容，同时也是对之前知识的查漏补缺
李沐—动手学深度学习笔记
weixin_58350863的博客
09-15 1313
将模型的输入和参数同模型的输出关联起来。回想一下，要计算线性模型的输出， 我们只需计算输入特征X和模型权重w的矩阵-向量乘法后加上偏置b。广播机制： 当我们用一个向量加一个标量时，标量会被加到向量的每个分量上。对于每一个小批量，我们会进行以下步骤:通过调用net(X)生成预测并计算损失l（前向传播）。通过进行反向传播来计算梯度。通过调用优化器来更新模型参数。4.多层感知机。
《动手学深度学习》笔记
qq_42571014的博客
04-14 2498
动手学深度学习
动手学深度学习Pytorch版本学习笔记 Task4
01-06
1.机器翻译及相关技术 机器翻译（MT）：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。 主要特征：输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的...
动手学深度学习-学习笔记（五）
01-06
本文的主要内容有：：卷积神经网络基础；leNet；卷积神经网络进阶 一、卷积神经网络基础 本节我们介绍卷积神经网络的基础概念，主要是卷积层和池化层，并解释填充、步幅、输入通道和输出通道的含义。...
《动手学深度学习》-小白笔记四
01-06
小白知识 二维互相关运算 输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通常小于输入数组，卷积核在输入数组上滑动，在每个...
sheng的学习笔记-AI-规则学习（rule learning）
coldstarry的专栏
09-09 822
机器学习中的“规则”(rule)通常是指语义明确、能描述数据分布所隐含的客观规律或领域概念、可写成“若……，则……”形式的逻辑规则。​“规则学习”(rule learning)是从训练数据中学习出一组能用于对未见示例进行判别的规则。一条规则形如：在数理逻辑中“文字”专指原子公式(atom)及其否定。与神经网络、支持向量机这样的“黑箱模型”相比，规则学习具有更好的可解释性，能使用户更直观地对判别过程有所了解。另一方面，数理逻辑具有极强的表达能力，绝大多数人类知识都能通过数理逻辑进行简洁的刻画和表达。
区块链学习笔记2--区块链技术的形成 以太坊
最新发布
weixin_61074128的博客
09-10 224
以太坊的定义：以太坊是运行在一个计算机网络中的软件，他确保数据以及智能合约的小程序可以在没有宗信协调者的情况下，被所有网络中的计算机复制和处理。以太坊的改进： 交易速度加快；pow+pos算法，逐步向pos算法过渡；智能合约：不受人为因素影响，没有黑幕；比特币的出现让经济贸易变得简单，而比特币系统的不足，也同样被人诟病。于是出现了致力解决比特币不足的“V神”。以太坊的愿景是创建一个无法停止，抗屏蔽（审查）和自我维持的去中心化世界计算机。比特币的不足：交易速度慢；仅仅完成了货币的去中心化。
Android Fragment 学习备忘
sdaujz的博客
09-08 373
1.fragment的动态添加与管理：
【学习笔记】SSL证书之前向保密
Taki_UP的博客
09-10 540
本篇介绍了密码学中前向保密（Forward Secrecy）的相关内容
李沐动手深度学习笔记
08-22
李沐是一位知名的机器学习工程师，他在GitHub上编写了非常受欢迎的《动手学深度学习》系列教程。这本笔记以其深入浅出的方式讲解深度学习基础知识，包括神经网络、卷积神经网络（CNN）、循环神经网络（RNN）、优化...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值