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。