第三章
文章平均质量分 95
动手学深度学习第三章
weiket
AI已来
展开
-
chapter_linear-networks:softmax回归
softmax回归🏷sec_softmax参考动手学深度学习教材对应章节:https://zh-v2.d2l.ai/根据课程相关章节的Jupyter文件进行运行得到结果并导出。在 :numref:sec_linear_regression中我们介绍了线性回归。随后,在 :numref:sec_linear_scratch中我们从头实现线性回归。然后,在 :numref:sec_linear_concise中我们使用深度学习框架的高级API简洁实现线性回归。回归可以用于预测多少的问题。比如预测原创 2022-05-10 15:27:27 · 390 阅读 · 0 评论 -
chapter_linear-networks:线性回归的从零开始实现
线性回归的从零开始实现🏷sec_linear_scratch在了解线性回归的关键思想之后,我们可以开始通过代码来动手实现线性回归了。在这一节中,(我们将从零开始实现整个方法,包括数据流水线、模型、损失函数和小批量随机梯度下降优化器)。虽然现代的深度学习框架几乎可以自动化地进行所有这些工作,但从零开始实现可以确保你真正知道自己在做什么。同时,了解更细致的工作原理将方便我们自定义模型、自定义层或自定义损失函数。在这一节中,我们将只使用张量和自动求导。在之后的章节中,我们会充分利用深度学习框架的优原创 2022-05-04 10:58:51 · 596 阅读 · 0 评论 -
chapter_linear-networks:线性回归
线性回归🏷sec_linear_regression参考动手学深度学习教材对应章节:https://zh-v2.d2l.ai/根据课程相关章节的Jupyter文件进行运行得到结果并导出。回归(regression)是能为一个或多个自变量与因变量之间关系建模的一类方法。在自然科学和社会科学领域,回归经常用来表示输入和输出之间的关系。在机器学习领域中的大多数任务通常都与预测(prediction)有关。当我们想预测一个数值时,就会涉及到回归问题。常见的例子包括:预测价格(房屋、股票等)、预测住院原创 2022-05-04 10:43:40 · 395 阅读 · 0 评论 -
chapter_linear-networks:线性回归的简洁实现
线性回归的简洁实现🏷sec_linear_concise参考动手学深度学习教材对应章节:https://zh-v2.d2l.ai/根据课程相关章节的Jupyter文件进行运行得到结果并导出。在过去的几年里,出于对深度学习强烈的兴趣,许多公司、学者和业余爱好者开发了各种成熟的开源框架。这些框架可以自动化基于梯度的学习算法中重复性的工作。在 :numref:sec_linear_scratch中,我们只运用了:(1)通过张量来进行数据存储和线性代数;(2)通过自动微分来计算梯度。实际上,由于原创 2022-05-04 10:36:44 · 354 阅读 · 0 评论 -
多层感知机
多层感知机🏷sec_mlp参考教材对应章节:https://zh-v2.d2l.ai/本节图片较多,不做展示。在 :numref:chap_linear中,我们介绍了softmax回归( :numref:sec_softmax),然后我们从零开始实现了softmax回归( :numref:sec_softmax_scratch),接着使用高级API实现了算法( :numref:sec_softmax_concise),并训练分类器从低分辨率图像中识别10类服装。在这个过程中,我们学习了如何原创 2022-04-16 17:08:03 · 589 阅读 · 0 评论 -
多层感知机的从零开始实现
多层感知机的从零开始实现🏷sec_mlp_scratch参考教材对应章节:https://zh-v2.d2l.ai/我们已经在 :numref:sec_mlp中描述了多层感知机(MLP),现在让我们尝试自己实现一个多层感知机。为了与之前softmax回归( :numref:sec_softmax_scratch )获得的结果进行比较,我们将继续使用Fashion-MNIST图像分类数据集( :numref:sec_fashion_mnist)。import torchfrom torch原创 2022-04-16 17:03:53 · 988 阅读 · 0 评论 -
softmax回归的简洁实现
softmax回归的简洁实现🏷sec_softmax_concise内容主要参考链接: http://zh-v2.d2l.ai/chapter_linear-networks/softmax-regression-concise.html在 :numref:sec_linear_concise中,我们发现(通过深度学习框架的高级API能够使实现)(softmax)线性(回归变得更加容易)。同样,通过深度学习框架的高级API也能更方便地实现softmax回归模型。本节如在 :numref:se原创 2022-04-16 09:41:57 · 785 阅读 · 0 评论 -
softmax回归的从零开始实现
softmax回归的从零开始实现🏷sec_softmax_scratch(就像我们从零开始实现线性回归一样,)我们认为softmax回归也是重要的基础,因此(你应该知道实现softmax回归的细节)。本节我们将使用刚刚在 :numref:sec_fashion_mnist中引入的Fashion-MNIST数据集,并设置数据迭代器的批量大小为256。import torchfrom IPython import displayfrom d2l import torch as d2lbatc原创 2022-04-15 16:54:05 · 1932 阅读 · 0 评论 -
图像分类数据集
图像分类数据集🏷sec_fashion_mnist(MNIST数据集) :cite:LeCun.Bottou.Bengio.ea.1998(是图像分类中广泛使用的数据集之一,但作为基准数据集过于简单。我们将使用类似但更复杂的Fashion-MNIST数据集) :cite:Xiao.Rasul.Vollgraf.2017。%matplotlib inlineimport torchimport torchvisionfrom torch.utils import datafrom torch原创 2022-04-14 15:25:56 · 3595 阅读 · 0 评论