深度学习有感

深度学习环境配置—pytorch版本

环境配置

一般用anaconda或者miniconda配置环境，环境名称、所需要的包。配置环境名称指Pythond的版本号。

必要的包

以李沐的深度学习课程为例，需要安装torch、torchvision、d2l和jupyter，jupyter可以选择性的安装。如果用pycharm写代码，就需要指定python解释器为miniconda目录下，envs下属于你配置的环境下的python解释器，包含深度学习所需的框架和包。

深度学习相关知识

个人对相关概念的直观理解。
给定模型、给定数据，根据模型和数据找到模型的参数，这一过程需要两个东西。

• 一种模型的度量方式。------------损失函数（如线性模型里面的平方损失）
• 一种能够更新模型以提高模型预测质量的方法。 --------梯度下降（随机梯度下降）

损失函数理解

• 度量模型和数据的拟合程度。
• 损失函数能够量化实际值与测量值之间的差距。
• 损失函数一般为非负数。
• 这个值越小越好。

优化方法（算法）

• 解析解。大多数得不到解析解，可以用梯度下降的方法。
• 梯度下降：通过不断地在损失函数递减的方向上更新参数降低误差。
• 理解不到位，后续补充。

矢量化加速

• 说白了就是提高运算速度，向量或者矩阵比for循环更加高效。

预测（推断）

• 在统计学中用推断更加合适。在深度学习中预测更加合理。
• 预测：就是根据“已学习”的模型对新的数据进行预测。