![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
吴恩达《深度学习》和 李沐《动手学深度学习 v2》
文章平均质量分 74
一些对人工智能的兴趣
常某某的好奇心
这个作者很懒,什么都没留下…
展开
-
《SSH远程连接GPU服务器AutoDL》
关于url下载11)$ sudo apt install zip 12) 创建、进入文件夹+下载、解压、删除压缩文件:比如$ mkdir d2l-zh &&cd d2l-zh $ curl。5) $bash Miniconda3-latest-linux-x86_64.sh (此时端口会有提示) 6)$ bash (终端进入conda env,出现(base))Xshell: 实现本地与Linux服务器间的文件传输(免去本地文件->网盘->服务器->网盘->本地文件)注意登录命令格式-例如 ssh。原创 2023-01-14 20:10:23 · 1061 阅读 · 0 评论 -
【基础系列】赏析Keras之父弗朗索瓦·肖莱《Python深度学习》ch1什么是深度学习
原创 2022-03-29 22:45:37 · 1852 阅读 · 0 评论 -
【基础系列】赏析Andrew Ng教授《Deep Learning》ch1 神经网络和深度学习
原作者:[双语字幕]吴恩达深度学习deeplearning.ai_哔哩哔哩_bilibili第一周:深度学习引言(Introduction to Deep Learning)1.1 欢迎(Welcome)神经网络和深度学习:学习如何建立神经网络(包含一个深度神经网络),以及如何在数据上面训练他们。深度学习方面的实践:学习超参数调整、正则化、诊断偏差和方差以及一些高级优化算法(比如Momentum和Adam算法)结构化机器学习工程:构建机器学习系统的策略(举个例子:你分割数据的方式,分割成训练集、原创 2022-02-27 11:45:18 · 720 阅读 · 0 评论 -
【基础系列】赏析Andrew Ng教授《Deep Learning》ch2改善深层神经网络-超参数调试 正则化以及优化
原作者:https://www.bilibili.com/video/BV1FT4y1E74V?p=82&spm_id_from=pageDriver第一周:深度学习的实践层面(Practical aspects of Deep Learning)1.1 训练,验证,测试集(Train / Dev / Test sets)1)应用型机器学习是一个高度迭代的过程.2)划分3)注意问题系列之一1.2 偏差,方差(Bias /Variance)1)区别2)判断3)注.原创 2022-03-08 09:29:58 · 1021 阅读 · 0 评论 -
【基础系列】赏析Andrew Ng教授《Deep Learning》ch3结构化机器学习项目
原作者:https://www.bilibili.com/video/BV1FT4y1E74V?p=84第一周 机器学习(ML)策略(1)(ML strategy(1))思想1.1 为什么是ML策略?(Why ML Strategy?)1)目的2)举例1.2 正交化(Orthogonalization)1)何意?2)基于“正交化”分析3)注意指标1.3 单一数字评估指标(Single number evaluation metric)1)查准率、查全率、F1分数2)实际应原创 2022-03-23 15:17:34 · 1082 阅读 · 0 评论 -
【基础系列】赏析Andrew Ng教授《Deep Learning》ch4 卷积神经网络
原作者:https://www.bilibili.com/video/BV1FT4y1E74V?p=84第一周 卷积神经网络(Foundations of Convolutional Neural Networks)1.1 计算机视觉(Computer vision)1)领域2)传统神经网络问题:数据量不够,而过拟合1.2 边缘检测示例(Edge detection example)1)结果2)卷积运算1.3 更多边缘检测内容(More edge detection)1).原创 2022-03-28 23:12:33 · 1335 阅读 · 0 评论 -
【基础系列】赏析Andrew Ng教授《Deep Learning》ch5 序列模型
> 原作者:https://www.deeplearningai.net/classroom/Sequence_Models第一周 循环序列模型(Recurrent Neural Networks)**【基础】**1.1 为什么选择序列模型?(Why Sequence Models?)应用案例1.2 数学符号(Notation)符号化one-hot表示1.3 循环神经网络模型(Recurrent Neural Network Model)传统网络缺陷单向架构及缺陷前原创 2022-05-14 14:52:41 · 631 阅读 · 0 评论 -
【基础系列】赏析刘洪普《PyTorch深度学习实践》与《实战:基于CNN的MNIST手写数字识别》(Python版)
参考作者1:https://www.bilibili.com/video/BV1Y7411d7Ys?p=1参考作者2:(15条消息) PyTorch 深度学习实践_错错莫的博客-CSDN博客2. 线性模型import numpy as npimport matplotlib.pyplot as pltx_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]def forward(x): return x*w+bdef loss(x,y): y_pre原创 2022-04-04 21:20:46 · 1698 阅读 · 0 评论 -
【基础系列】赏析刘洪普《PyTorch深度学习实践》之 RNN
原作者1:https://www.bilibili.com/video/BV1Y7411d7Ys?p=1参作者2:https://blog.csdn.net/csdn_xmj/article/details/122396373?ops_request_misc=&request_id=&biz_id=102&utm_term=conver%20name%20to%20tensor&utm_medium=distribute.pc_search_result.none-ta.原创 2022-05-29 14:47:06 · 162 阅读 · 0 评论 -
《动手学深度学习 v2》之预备、线性NN、多层感知机、深度学习计算
https://mp.csdn.net/mp_blog/creation/editor/new/1286881852.2. 数据预处理2.3. 线性代数2.4. 微积分2.5. 自动微分2.6. 概率2.6.2.6. 应用:https://zh-v2.d2l.ai/chapter_preliminaries/probability.html3.线性神经网络回归问题(值回归)3.1.线性回归3.2. 线性回归的从零开始实现3.3. 线性回归的简洁实现分类原创 2023-03-12 17:59:10 · 523 阅读 · 0 评论 -
《动手学深度学习 v2》之计算性能和优化算法
12.2. 异步计算12.3. 自动并行12.4 硬件单机多卡并行12.6. 多GPU的简洁实现优化算法11.1. 优化和深度学习11.2. 凸性1.更新权重向量的优化算法11.3. 梯度下降11.4. 随机梯度下降 (单样本)深度学习的 f (即 loss)是 依靠样本 模糊拟合出来的!11.5. 小批量随机梯度下降:平衡收敛速度和计算效率11.6. 动量法:结合过去梯度,逐渐平滑梯度更新方向11.7. AdaGrad算法11.8. RMSProp原创 2023-03-16 21:08:03 · 589 阅读 · 1 评论 -
《动手学深度学习 v2》之卷积NN和现代卷积NN案例
【代码】《动手学深度学习 v2》之卷积NN和现代卷积NN案例。原创 2023-03-13 20:14:45 · 202 阅读 · 0 评论