- 博客(33)
- 收藏
- 关注
RSS订阅原创 运行python程序出现illegal instruction (core dumped)
将原来的pip 安装的tensorflow卸载，采用conda重新安装问题解决！！！
2023-12-14 14:23:59
1399
原创 学习笔记：动手学深度学习 30 网络中的网络（NiN）
NiN块使用卷积层加两个1×1卷积层，后者对每个像素增加了非线性性NiN使用全局平均池化层来替代VGG和AlexNet中的全连接层不容易过拟合，更少的参数个数当显存不够的时候，只需要调整batchsize就可以了，调整了之后训练效果非常不理想Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)]Type 'copyright', 'credits' or 'license' for more.
2021-11-16 16:49:56
3105
原创 学习笔记：动手学深度学习 29 使用块的网络（VGG）
VGG使用可以重复使用的卷积快来构建深度卷积神经网络不同的卷积块个数和超参数可以得到不同复杂程度的变种
2021-11-16 15:57:42
1630
原创 学习笔记：动手学深度学习 29 深度卷积神经网络（AlexNet）
AlexNet 是更大更深的LeNet，10×参数个数，260×计算复杂度新进入了丢弃发，ReLU，最大池化层和数据增强AlexNet 赢下了2012 ImageNet竞赛后，标志着新的一轮神经网络热潮的开始Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)]Type 'copyright', 'credits' or 'license' for more informationIPython 7
2021-11-16 10:05:46
2073
原创 学习笔记：动手学深度学习 28 卷积神经网络LeNet
LeNetimport torchfrom torch import nnfrom d2l import torch as d2lclass Reshape(torch.nn.Module): def forward(self, x): return x.view(-1, 1, 28, 28)#批量数-1不变，通道数1，net = torch.nn.Sequential( Reshape(), #放进第一个卷积层，输入是1，输出是6，为了保证非线性性，在
2021-11-11 19:44:12
555
原创 学习笔记：动手学深度学习 27 池化层
池化层返回窗口的最大或平均值缓解卷积层对位置的敏感性同样有窗口大小、填充和步幅作为超参数0Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)]Type 'copyright', 'credits' or 'license' for more informationIPython 7.22.0 -- An enhanced Interactive Python. Type '?' for help.
2021-11-11 10:53:07
1277
原创 学习笔记：动手学深度学习 26 通道数
核大小 填充（通常设置为核减一） 步幅（通常情况步幅为1最好，计算量太大的话，步幅取2）卷积核的边长一般取奇数：上下填充对称resnet 经典网络通道数（超参数）输出通道数是卷积层的超参数每个输入通道有独立的二维卷积核，所有通道结果相加得到一个输出通道结果每个输出通道有独立的三维卷积核1*1卷积层实现多输入用到互相关运算...
2021-11-10 16:51:55
4521
原创 学习笔记：动手学深度学习 25 填充和步幅
超参数：填充填充在输入周围添加额外的行/列，来控制输出形状的减少量Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)]Type 'copyright', 'credits' or 'license' for more informationIPython 7.22.0 -- An enhanced Interactive Python. Type '?' for help.PyDev console
2021-11-10 15:27:07
977
原创 学习笔记：动手学深度学习 24 卷积神经网络
对全连接层使用平移不变性和局部性得到卷积层卷积层：卷积层将输入和核矩阵进行交叉相关，加上偏移后得到输出核矩阵和偏移是可学习的参数核矩阵的大小是超参数图像卷积互相关运算In[2]: import torch ...: from torch import nn ...: from d2l import torch as d2ldef corr2d(X, K): #@save """计算二维互相关运算。输入是X，核是K""" h, w = K.shape
2021-11-10 14:59:31
635
原创 学习笔记：动手学深度学习 23 读写文件
加载和保存张量Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)]Type 'copyright', 'credits' or 'license' for more informationIPython 7.22.0 -- An enhanced Interactive Python. Type '?' for help.PyDev console: using IPython 7.22.0Pytho
2021-11-09 18:31:53
121
原创 学习笔记：动手学深度学习 22 自定义层
不带参数的层Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)]Type 'copyright', 'credits' or 'license' for more informationIPython 7.22.0 -- An enhanced Interactive Python. Type '?' for help.PyDev console: using IPython 7.22.0Python
2021-11-09 18:21:24
219
原创 学习笔记：动手学深度学习 21 参数管理
Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)]Type 'copyright', 'credits' or 'license' for more informationIPython 7.22.0 -- An enhanced Interactive Python. Type '?' for help.PyDev console: using IPython 7.22.0Python 3.8.8 (.
2021-11-09 17:23:42
232
原创 学习笔记：动手学深度学习 20 模型构造
1.层和块Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)]Type 'copyright', 'credits' or 'license' for more informationIPython 7.22.0 -- An enhanced Interactive Python. Type '?' for help.PyDev console: using IPython 7.22.0Python
2021-11-09 16:45:33
482
原创 学习笔记：动手学深度学习 19 Kaggle 预测房价
Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)]Type 'copyright', 'credits' or 'license' for more informationIPython 7.22.0 -- An enhanced Interactive Python. Type '?' for help.PyDev console: using IPython 7.22.0Python 3.8.8 (.
2021-11-09 15:42:12
630
原创 学习笔记：动手学深度学习 18 Dropout
从0开始实现Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)]Type 'copyright', 'credits' or 'license' for more informationIPython 7.22.0 -- An enhanced Interactive Python. Type '?' for help.PyDev console: using IPython 7.22.0Pyt.
2021-11-09 10:48:15
394
原创 学习笔记：动手学深度学习 17 权重衰退
Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)] on win32In[2]: import matplotlib.pyplot as pltBackend Qt5Agg is interactive backend. Turning interactive mode on.In[3]: import torch ...: from torch import nn ...: from d2l i.
2021-11-08 19:15:01
762
1
原创 学习笔记：动手学深度学习 16 模型选择、欠拟合、过拟合
多项式回归Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)]Type 'copyright', 'credits' or 'license' for more informationIPython 7.22.0 -- An enhanced Interactive Python. Type '?' for help.PyDev console: using IPython 7.22.0Python
2021-11-05 19:31:52
1039
原创 学习笔记：动手学深度学习 15 多层感知机的简洁实现
Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)]Type 'copyright', 'credits' or 'license' for more informationIPython 7.22.0 -- An enhanced Interactive Python. Type '?' for help.PyDev console: using IPython 7.22.0Python 3.8.8 (.
2021-11-05 12:08:07
372
原创 学习笔记：动手学深度学习 14 多层感知机的从零开始实现
import torchfrom torch import nnfrom d2l import torch as d2l#数据导入batch_size = 256train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)"""初始化模型参数"""""" 输入输出管不了，256为超参数"""num_inputs, num_outputs, num_hiddens = 784, 10, 256"""权重初始化为随机的，偏差.
2021-11-05 11:17:18
271
原创 学习笔记：动手学深度学习 13 softmax回归的简洁实现
from torch import nnfrom d2l import torch as d2lbatch_size = 256train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)Backend Qt5Agg is interactive backend. Turning interactive mode on.""""拿进数据"""Out[3]: '"拿进数据'"""初始化模型参数""" # PyTorch不会隐式.
2021-11-03 21:47:17
299
原创 学习笔记：动手学深度学习 12 softmax回归的从零开始实现
import torch ...: from IPython import display ...: from d2l import torch as d2l ...: ...: ...: batch_size = 256 ...: train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)Backend Qt5Agg is interactive backend. Turning interactive...
2021-11-03 21:34:47
784
原创 学习笔记：动手学深度学习 11 图像分类数据集
#数据库导入import torchimport torchvisionfrom torch.utils import datafrom torchvision import transformsfrom d2l import torch as d2limport matplotlib.pyplot as pltd2l.use_svg_display() #使用svg呈现Backend Qt5Agg is interactive backend. Turning interactive.
2021-11-03 20:15:24
601
原创 学习笔记：动手学深度学习 10 线性回归的简洁实现
1.生成数据集import numpy as npimport torchfrom torch.utils import datafrom d2l import torch as d2ltrue_w = torch.tensor([2, -3.4])true_b = 4.2features, labels = d2l.synthetic_data(true_w, true_b, 1000)2.读取数据集def load_array(data_arrays, batch_siz
2021-11-03 16:13:09
399
原创 学习笔记：动手学深度学习 09 线性回归的从零开始实现
不适用任何深度学习框架，从零开始实现构造人造数据集，知道真是的w和bPython 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)]Type 'copyright', 'credits' or 'license' for more informationIPython 7.22.0 -- An enhanced Interactive Python. Type '?' for help.PyDev c.
2021-11-03 15:55:06
418
原创 学习笔记：动手学深度学习 08 线性回归
1.矢量化加速Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)]Type 'copyright', 'credits' or 'license' for more informationIPython 7.22.0 -- An enhanced Interactive Python. Type '?' for help.PyDev console: using IPython 7.22.0Pytho
2021-11-03 11:07:45
283
原创 学习笔记：动手学深度学习 07 概率
导入必要的软件包投掷骰子import torchfrom torch.distributions import multinomialfrom d2l import torch as d2lfair_probs = torch.ones([6]) / 6multinomial.Multinomial(1, fair_probs).sample()Out[5]: tensor([0., 1., 0., 0., 0., 0.])multinomial.Multinomial(1, fair
2021-11-02 21:16:32
991
原创 学习笔记：动手学深度学习 06 自动求导
1. example创建变量x并为其分配一个初始值。import torchx = torch.arange(4.0)x在计算y关于x的梯度之前，我们需要一个地方来存储梯度。x.requires_grad_(True) # 等价于 `x = torch.arange(4.0, requires_grad=True)`x.grad # 默认值是Noney = 2 * torch.dot(x, x)yx是一个长度为4的向量，计算x和x的内积，得到了我们赋值给y的标
2021-11-02 20:39:57
997
原创 学习笔记：动手学深度学习 05 微分
1. 导数和微分import numpy as npfrom IPython import displayfrom d2l import torch as d2ldef f(x): return 3 * x ** 2 - 4 * xdef numerical_lim(f, x, h): return (f(x + h) - f(x)) / hh = 0.1for i in range(5): print(f'h={h:.5f}, numerical
2021-11-02 19:11:21
1028
1
原创 学习笔记：动手学深度学习 04 线性代数
1.标量标量由只有一个元素的张量表示。import torchx = torch.tensor([3.0])y = torch.tensor([2.0])x + y, x * y, x / y, x**y2.向量通过一维张量处理向量。一般来说，张量可以具有任意长度，取决于机器的内存限制。x = torch.arange(4)x在代码中，我们通过张量的索引来访问任一元素。x[3]3.长度、维度和形状4.矩阵指定两个分量mm和nn来...
2021-10-31 19:13:20
251
原创 学习笔记：动手学深度学习 03 数据预处理
1.读取数据集首先创建一个人工数据集，并存储在csv（逗号分隔值）文件../data/house_tiny.csv中。os.makedirs(os.path.join('D:\d2l-zh','DATA'), exist_ok=True)data_file = os.path.join('D:\d2l-zh','DATA', 'house_tiny.csv')with open(data_file, 'w') as f: f.write('NumRooms,Alley,Price\n'
2021-10-31 17:46:50
387
原创 学习笔记：动手学深度学习 01安装 windows
声明：学习内容来自跟李沐学AI安装anaconda，教程中是安装miniconda，由于我提前安装了anaconda，此步骤跳过下载 D2L Notebook在浏览器的地址栏中输入https://zh.d2l.ai/d2l-zh-1.1.zip并按回车键进行下载。下载完成后，创建文件夹“d2l-zh”并将以上压缩包解压到这个文件夹。在该目录文件资源管理器的地址栏输入cmd进入命令行模式。第三步是使用conda创建虚拟（运行）环境。conda和pip默认使用国外站点来下载软件，我们可以...
2021-10-31 17:19:31
614
原创 学习笔记：动手学深度学习 02 数据操作
打开pycharm控制台进行学习shape来访问张量形状reshape改变张量形状使用全0、全1、其他张亮或者特定分步中随机采样的数字torch.zeros((2,3,4))torch.ones((2,3,4))提供包含数值的python列表x=torch.tensor([1.0,2,4,8])y=torch.tensor([2,2,2,2])x+y,x-y,x*y,x/y,x**y按元素方式做更多运算把多个张量连接在一起dim=...
2021-10-31 16:56:52
109
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人