一、专知《深度学习:算法到实战》
二、李沐《动手学深度学习在线课程》
本周课程学习为预备知识部分,详细的文档可点击查看。主要包括以下七个小部分。
1.数据操作
- 主要就是了解张量,它提供了各种功能,包括基本数学运算、广播、索引、切片、内存节省和转换其他Python对象。
2.数据预处理
- 了解pandas的使用,对于数据进行简单的处理,针对于缺失值的处理,典型的方法包括插值和删除。最后,将pandas处理的数据转化成张量格式。
3.线性代数
- 标量、向量、矩阵和张量的理解,以及对标量、向量、矩阵和张量执行各种操作。
- 数据降维,在axis = 0, 1, 2,如果不想实现降维,仍保存原维度,可以添加keepdims=True。
- 区分矩阵乘法与哈达玛积。
- 范数,包括 L 1 , L 2 L_1,L_2 L1,L2,弗罗贝尼乌斯范数(Frobenius norm),以及 L p L_p Lp范数。
4.微分
- 导数,微分,偏导数,梯度的理解,以及对于可视化库matplotlib的使用。
5.自动求导
- 深度学习框架可以自动计算导数。自动求导使系统能够随后反向传播梯度,注意梯度清零。
- 为什么求导的时候要进行这个sum操作,x.sum()。答:梯度只能为标量(即一个数)输出隐式地创建。
6.概率
- 学习联合分布、条件分布、Bayes定理、边缘化和独立性假设,以及期望和方差。
7.查阅文档
- 如何查找理解PyTorch函数和类。
三、总结
本周的学习主要就是对于深度学习了解,以及pytorch基础代码的练习。我认为在基础代码练习部分,容易出错的地方,便是广播机制的应用。