pytorch
Camellia@
Shall we drink a cup of coffe?
展开
-
动手学深度学习
1.在某种形式上,机器学习就是做出预测。2.经典统计学习技术中的线性回归和softmax回归可以视为 线性 神经网络。3.权重决定了每个特征对我们预测值的影响。偏置是指当所有特征都取值为0时,预测值应该为多少。如果没有偏置项,我们模型的表达能力将受到限制。4.是输入特征的一个仿射变换(affine transformation)。仿射变换的特点是通过加权和对特征进行线性变换(linear transformation),并通过偏置项来进行平移(translation)。开始寻找最好的 模型参数(m原创 2021-04-10 15:57:48 · 524 阅读 · 0 评论 -
动手学深度学习
1.逼近法就是 积分(integral calculus)的起源2.微分多元函数有很多规则,但在深度学习中很多多元函数是复合的,不能用规则来微分函数,所以需要用链式法则来微分函数原创 2021-04-06 14:10:37 · 101 阅读 · 0 评论 -
动手学深度学习
1.处理为两个矩阵,3行4列2.两矩阵对应元素相乘称为 哈达玛积指定axis=0(列)来求每一列的和,输入的轴1的维数在输出形状中丢失。原创 2021-04-05 21:11:37 · 175 阅读 · 0 评论 -
动手学深度学习
2.2数据预处理1.在Python中常用的数据分析工具中,通常使用 pandas 软件包。2.像庞大的 Python 生态系统中的许多其他扩展包一样,pandas 可以与张量兼容。因此,我们将简要介绍使用 pandas 预处理原始数据并将原始数据转换为张量格式的步骤。2.2.1. 读取数据集¶处理缺失值还会把他们给细分出pave和nan类型,是就置为1,否则置为0...原创 2021-04-05 20:44:00 · 209 阅读 · 0 评论 -
动手学深度学习
1.autograd包会自动为我们计算微分2.深度学习是关于优化的2.1数据操作1.n 维数组,也称为 张量(tensor)。2.张量类(在 MXNet 中为 ndarray,在 PyTorch 和TensorFlow中为 Tensor)与 Numpy 的 ndarray 类似,但都比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。3.张量表示一个数值组成的数组,这个数原创 2021-04-05 20:31:26 · 300 阅读 · 0 评论 -
Pytorch学习之一:PyTorch基础概念
1.1什么是PytorchPyTorch 是一个以Python 优先的深度学习框架,不仅能够实现强大的GPU 加速,同时还支持动态神经网络,这是现在很多主流框架比如Tensorflow 等都不支持的。PyTorch 既可以看做加入了GPU 支持的numpy,同时也可以看成一个拥有自动求导功能的强大的深度神经网络,除了Facebook 之外,它还已经被Twitter、CMU 和Salesforce 等机构采用。1.2为什么选择Pytroch面对如此多的深度学习框架,我们为何要选择PyTorch 呢?T转载 2021-03-29 15:27:22 · 434 阅读 · 0 评论