动手学深度学习——安排和进度

最新推荐文章于 2024-08-08 07:46:31 发布
最新推荐文章于 2024-08-08 07:46:31 发布
阅读量527 收藏
点赞数
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42749049/article/details/100173385
版权

Day1（视频1）：线性回归、深度学习基本框架和流程、gluon简单实现

Day2（视频2、3）：

  • softmax回归、多层感知机的实现；模型选择、欠拟合过拟合
  • 深度学习计算：gluon的使用方法，包括创建神经网络，初始化参数，读取模型和自定义层
  • GPU版本的mxnet和如何使用GPU计算
  • 卷积网络原理、深度卷积网络AlexNet、VGG
  • kaggle房价预测

代办：回顾上面内容、看书、kaggle实践

SkaWxp
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
前言——《跟老吕学Python·新手》
Python老吕的博客
02-16 1804
一、开篇寄语对于程序开发学习者而言，从入门到精通，从初学者到大师级，进而成为技术栈中的佼佼者，是一个持续学习与不断积累的过程。许多初学者会选择购买 python入门教程 编程书籍或观看付费培训视频作为学习资源。然而，我注意到当前市面上的Python教程存在一些值得关注的问题。这些问题主要集中在以下几个方面：理论性过强，缺乏实战指导：许多面向初学者的书籍过分强调理论，导致学习者难以将知识应用于实际编程。复杂函数解释不足：部分教程在引入复杂函数时缺乏详尽解释，增加了初学者的理解难度。
大语言模型原理与应用实践：基于监督学习进行微调 Supervised Learning & Fine-Tuning
程序员光剑
06-25 241
近年来，随着深度学习技术的快速发展，大规模语言模型(Large Language Models, LLMs)在自然语言处理(Natural Language Processing, NLP)领域取得了巨大的突破。这些大语言模型通过在海量无标签文本数据上进行预训练，学习到了丰富的语言知识和常识，可以通过少量的有标签样本在下游任务上进行微调(Fine-Tuning)，获得优异的性能。其中最具代表性的大模型包括OpenAI的GPT系列模型、Google的BERT、T5等。
动手学习深度学习1-2-深度学习的一般步骤
少年程序郎
10-19 1952
生成数据集 我们构造一个简单的人工训练数据集，它可以使我们能够直观比较学到的参数和真实的模型参数的区别。设训练数据集样本数为 1000，输入个数（特征数）为 2。给定随机生成的批量样本特征 X∈ℝ1000×2X∈R1000×2，我们使用线性回归模型真实权重 w=[2,−3.4]⊤w=[2,−3.4]⊤ 和偏差 b=4.2b=4.2，以及一个随机噪音项 ϵϵ 来生成标签   y=Xw+b+ϵ,...
动手学习深度学习——基本简介
DAOCHI
11-20 4355
前言 一些建议：如果是机器学习刚刚入门，或者对机器学习的发展历史不是很熟悉的同学，可以认真读读本文。 参考项目：李沐的书籍《动手学习深度学习》，第二版。 英文原文链接：https://d2l.ai/chapter_introduction/index.html#unsupervised-and-self-supervised-learning 1. 简介   直到最近，几乎我们接触到的每一个计算机程序都是软件开发人员根据第一性原理（First Principles）编写而成。比如，我们想编写一个应用程序
探索深度学习的奥秘：《动手学深度学习》PyTorch版PDF
最新发布
gitblog_00011的博客
08-08 405
探索深度学习的奥秘：《动手学深度学习》PyTorch版PDF Dive-Into-Deep-Learning-PyTorch-PDF项目地址:https://gitcode.com/gh_mirrors/di/Dive-Into-Deep-Learning-PyTorch-PDF 项目介绍 在深度学习的海洋中，有一本名为《动手学深度学习》的书籍，它以其丰富的内容和实践导向的教学方式，成为了众多学...
深度学习[吴恩达]：总序（进度：1/5）
倚树探星的博客
07-25 409
一、神经网络和深度学习（Neural Networks and Deep Learning） 二、进一步学习神经网络：超参数调整（Hyperparameter tuning）、 三、正则化（Regularization）、高级优化算法（advanced optimization algorithms） 四、卷积神经网络CNN（Convolutional Neural Networks） 五、自然语言处理NLP（Natural Language Processing）：构建序列模型（Building sequ
动手学深度学习_AlexNet
like_jmo的博客
08-04 427
AlexNet结构与代码实现（MNIST数据集）
深度学习暑假自学计划
weixin_44204324的博客
09-22 126
机器学习&深度学习入门：https://github.com/Mikoto10032/DeepLearning（重要） 1、学习python中基本的数据分析机器学习的库：numpy、pandas、sklearn、pytorch、opencv、tensorflow等等 2、实战：https://www.kaggle.com/competitions 完成kaggle中的基础数据分析–房价预测：https://www.kaggle.com/c/house-prices-advanced-regressi
前言——《跟老吕学Python·行业领袖》
Python老吕的博客
08-01 653
对于程序开发学习者而言，从入门到精通，从初学者到大师级，进而成为技术栈中的佼佼者，是一个持续学习与不断积累的过程。许多初学者会选择购买 python入门教程 编程书籍或观看付费培训视频作为学习资源。然而，我注意到当前市面上的Python教程存在一些值得关注的问题。这些问题主要集中在以下几个方面：理论性过强，缺乏实战指导：许多面向初学者的书籍过分强调理论，导致学习者难以将知识应用于实际编程。复杂函数解释不足：部分教程在引入复杂函数时缺乏详尽解释，增加了初学者的理解难度。内容碎片化，缺乏系统性。
前言——《跟老吕学Python·技术专家》
Python老吕的博客
08-01 475
对于程序开发学习者而言，从入门到精通，从初学者到大师级，进而成为技术栈中的佼佼者，是一个持续学习与不断积累的过程。许多初学者会选择购买 python入门教程 编程书籍或观看付费培训视频作为学习资源。然而，我注意到当前市面上的Python教程存在一些值得关注的问题。这些问题主要集中在以下几个方面：理论性过强，缺乏实战指导：许多面向初学者的书籍过分强调理论，导致学习者难以将知识应用于实际编程。复杂函数解释不足：部分教程在引入复杂函数时缺乏详尽解释，增加了初学者的理解难度。内容碎片化，缺乏系统性。
前言——《跟老吕学Python·资深专家》
Python老吕的博客
08-01 508
对于程序开发学习者而言，从入门到精通，从初学者到大师级，进而成为技术栈中的佼佼者，是一个持续学习与不断积累的过程。许多初学者会选择购买 python入门教程 编程书籍或观看付费培训视频作为学习资源。然而，我注意到当前市面上的Python教程存在一些值得关注的问题。这些问题主要集中在以下几个方面：理论性过强，缺乏实战指导：许多面向初学者的书籍过分强调理论，导致学习者难以将知识应用于实际编程。复杂函数解释不足：部分教程在引入复杂函数时缺乏详尽解释，增加了初学者的理解难度。内容碎片化，缺乏系统性。
《动手学习深度学习》李沫
shike951128的博客
05-23 1211
开篇 2017年 轮子是工具，主要是理解算法。 使用MXNet和Gluon来教学 Pytorch （派托吃） GLuon（交子） 部署环境Win Liunx有问题时，可以考虑Docker 格式ndarray相关 ndarray 和 numpy的转化 新生成还是旧的 使用autograd来自动求导 5年前还是matlab来做 python的方法 backward() record() MXNet提供autograd模块来自动化求导过程。 MXNet的au
深度学习项目整合计划
qq_41473749的博客
01-26 250
深度学习项目整合计划 学习那么长时间的深度学习课程，有很多优秀的开源项目，为了督促自己仔细分析，决定把遇到的项目整合并加以分析，留作日后方便查阅以及参考
深度学习学习路线及计划
weixin_36322993的博客
11-19 715
深度学习学习路线及计划： 11.18-11.30：学完吴恩达机器学习课程，目前进度week6。 学习慕课网课程 Python3入门机器学习 经典算法与应用 轻松入行人工智能 12月：学完deeplearning课程（B站or Courera） https://www.bilibili.com/video/BV1BZ4y1M7hFfrom=search&seid=1298216450910258720 1月：学习pytorch（学习路径待定） 学习斯坦福大学NLP课程CS224N：http
《动手学深度学习》----深度学习基础复习
qq_39594939的博客
10-16 284
交叉熵只关心对正确类别的预测概率，因为只要其值足够大，就可以确保分类结果正确，而平方损失则过于严格，例如y(i)1=y(i)2=0比y(i)1=0,y(i)2=0.4的损失要小很多，虽然两者都有同样正确的分类预测结果。 正则化通过为模型损失函数添加惩罚项使学出的模型参数值较小，是应对过拟合的常用手段。 权重衰减是在模型原损失函数基础上添加L2范数惩罚项，从而训练所需要最小化的函数。通常会使学到...
《动手学深度学习》第三天
qq_39594939的博客
07-14 192
今天学习深度学习基础第三节–线性回归的简洁实现 主要是通过Gluon中的一些模块来更简洁的实现模型。 （一）Gluon提供了Data包来读取数据： ①mxnet.gluon.data.ArrayDataset(*args) 组合多个类似数据集的对象的数据集，例如数据集、列表、数组等。 ②mxnet.gluon.data.DataLoader(dataset, batch_size=None, sh...
深度学习阶段性报告（一）
Vectorln的博客
07-26 645
本文从“鱼书”，相关网课及笔记三个内容出发，进行了将近一个月深度学习的阶段性报告
如何在实际中计划和执行一个机器学习和深度学习项目
AI公园
09-09 542
点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：Sayak Paul编译：ronghuaiyang导读做研究打比赛和真正的做一个机器学习和深度项目是不一样...
动手学深度学习
weixin_73839894的博客
03-21 447
动手学深度学习第二章预备知识
动手学深度学习——PyTorch框架入门
微分是深度学习中优化算法的核心，书中详细讲解了导数、偏导数、梯度和链式法则，这些都是理解反向传播和梯度下降的基础。 自动求导是PyTorch的一个关键特性，书中通过简单示例展示了如何利用PyTorch实现这一功能。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值