《PyTorch深度学习实践》学习笔记—— 第1讲 Overview

最新推荐文章于 2021-09-20 23:05:11 发布
最新推荐文章于 2021-09-20 23:05:11 发布
阅读量155 收藏
点赞数
分类专栏： 《PyTorch深度学习实践》 Python学习笔记 深度学习 文章标签： 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_44023070/article/details/117427564
版权

文章目录

前言

本文仅为个人学习记录，便于以后查看使用。

1 算法

四种：

  1. 穷举法
  2. 贪心法
  3. 分治法
  4. 动态规划

2 框架

在这里插入图片描述

只是包含关系，如表示学习只是机器学习的一部分。

3 学习系统发展

在这里插入图片描述

4 维度诅咒

假设1个维度上取10个样本可做到贴近实际分布，则2个维度需要102=100个样本，3个维度需要103=1000个样本……N个维度就需要10N个样本。

压缩空间

把N维空间压缩到3维。

线性

设有一个N×1的矩阵，想压缩成3×1，则需要找一个3×N的矩阵即可实现。

流形

5 深度学习系统与以前的差别

传统的机器学习中，特征学习（无标签。无监督学习中有很多都用来学习特征）和学习器（有标签）是分开学习的。
深度学习：所有的训练过程都是统一的，所以也将深度学习叫做端到端的训练过程。

6 机器学习策略

在这里插入图片描述

書辭
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
PyTorch深度学习实践笔记#7 | 循环神经网络(基础篇)
z
05-30 293
PyTorch深度学习实践笔记#7 | 循环神经网络(基础篇) 嗨，我是error。 我来记录PyTorch深度学习实践的笔记了，这会是一个系列，后面会慢慢更新。个人之前都是使用tensorflow进行深度学习实践，这是第一次学习Pytorch，若笔记有误欢迎提出纠正！课件采用自B站"刘二大人"老师的视频【传送门】 其实本质上来讲RNN也是线性计算，只不过是线性计算的独特组合方式而已，通过巧妙的结构设计来获取传统线性计算不能获取的数据之间相关联信息的反馈。同时，基于参数共享的思想，使得RNN在拥有较复杂
配合博文 “ PyTorch深度学习实践（十一）——迁移学习 ” 一起食用，
03-29
1. 是动物的数据集。 2. 是从网上挑选出200张羊驼与熊猫的图片作为训练集。
《PyTorch深度学习实践》学习笔记 【1】
Pin_BOY的博客
08-14 972
《PyTorch深度学习实践》学习笔记 【1】 学习资源： 《PyTorch深度学习实践》完结合集 一. 绪论 1. 人工智能的发展历程 Rule—Based： 基于规则（如经典的积分计算） Classic machine learning : 手动提取特征，使用特征 representation learning ： 自动提取特征 维度的诅咒： (参数空间搜索组合爆炸) 解决方法：使用更少的更有代表性的参数。 DeepLearning： 将特征提取和特征函数训练两个过程结合起来，也称之为E
《pytorch深度学习实践》笔记
yeeanna的博客
06-17 173
仅供自己参考 pytorch中的变量：tensor 分为：data——权重参数 grad——损失对权重的导数 tensor可以理解为一种数据类型，这种类型的变量在计算时会产生计算图，从而可以通过计算图方便地进行后向传播。 一个易错点：若想损失求和，定义了一个sum，sum+=l,此时sum会变成一个tensor类型的变量，就会产生计算图，但其实是不必要的，因为并不会对sum进行后向传播。所以此时tensor类型的变量sum就会占内存。导致不必要的内存消耗。 正确的做法是：将tensor类型的l转换为纯
《PyTorch深度学习实践》 学习笔记1
白白白
09-11 201
1、线性模型 x(hours) y(points) 1 2 2 4 3 6 4 ? 样本 Trainning loss error loss= Trainning Set 1.1、穷举求w使得损失最小 import numpy as np import matplotlib.pyplot as plt x_data = [1.0, 2.0, 3.0] y_data = [2.0, 4.0, 6.0] w...
《PyTorch深度学习实践》学习笔记1——Overview
qq_45688633的博客
09-20 169
Overview 课程来源：PyTorch深度学习实践——河北工业大学 《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili 1.PyTorch简介 ​ PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够 实现强大的GPU加速，同时还支持动态神经网络。 2.与TensorFlow区别 ​ pytorch是一个动态的框架，而TensorFlow是静态框架（2.x版本也为动态框架优先）。静态框架就是指我
2024年度最新PyTorch深度学习实践
最新发布
03-01
2024年度最新PyTorch深度学习实践2024年度最新PyTorch深度学习实践2024年度最新PyTorch深度学习实践2024年度最新PyTorch深度学习实践2024年度最新PyTorch深度学习实践2024年度最新PyTorch深度学习实践 2024年度最新...
PyTorch深度学习实践_pytorch_深度学习_
10-01
pytorch深度学习实践，深度学习实践入门，内附pdf，代码。
PyTorch深度学习实践
06-22
本人培训的pytorch 和 实战课程 代码
pytorch学习笔记（十五）————Early Stop，Dropout
01-20
pytorch学习笔记（十五）————Early Stop，Dropout，SGD目录Early StopDropoutSGD随机梯度下降 目录 Early Stop （1）Early Stop的概念 Early Stop的概念非常简单，在我们一般训练中，经常由于过拟合导致在训练...
《PyTorch深度学习实践》学习笔记 【5】CNN_1
Pin_BOY的博客
08-19 1270
《PyTorch深度学习实践》学习笔记 【5】CNN_1 十、CNN 1 10.1 卷积神经网络的基本结构 卷积神经网络=特征提取+分类 10.1.1 特征提取 特征提取器，通过卷积运算，找到某种特征。由卷积层convolution和下采样Subsampling 构成。 一个图像，丢到一个卷积层里面仍然是一个3维的张量； 下采样，通道数不变，但是图片的宽度和高度变小（减少维数数量，减少计算量） 10.1.2 分类器 将特征向量化后，用全连接网络进行来分类。 10.2 Convolution （卷积层） 1
《PyTorch深度学习实践》学习笔记 【4】
Pin_BOY的博客
08-20 1971
《PyTorch深度学习实践》学习笔记 【4】 学习资源： 《PyTorch深度学习实践》完结合集 六、Logistics Regression（逻辑斯蒂回归模型） 虽然它叫做回归模型，但是处理的是分类问题 6.0 回归问题和分类问题 有监督学习： 回归问题 分类问题 二分类 多分类 回归问题：如果我们预测的结果是以连续数字进行表示，即我们将在连续函数中对多个输入变量建立映射关系时，则这样的问题称之为回归问题。 分类问题：如果我们预测的结果是以离散形式表示的，即我们将多个输入变量与多个不同
《PyTorch深度学习实践》 课堂笔记 Lesson3
LeungSr的博客
08-01 160
文章目录1.梯度下降的方式2.朴素梯度下降运行结果3.随机梯度下降（SGD）运行结果写在最后 1.梯度下降的方式 区别 梯度下降 随机梯度下降（SGD） 特点 一大块数据一起操作 小块数据分开操作 性能（越高越好） 低 高 时间复杂度（越低越好） 低 高 2.朴素梯度下降 # -*- coding:utf-8 -8- """ Author: Leung Date: 2021--08--01 """ import matplotlib.pyplot as plt import.
《PyTorch深度学习实践》课上代码笔记 一
Zhanglw882的博客
10-20 1036
自学笔记 课程老师：刘二大人 河北工业大学教师 https://liuii.github.io 课程来源：https://www.bilibili.com/video/BV1Y7411d7Ys 一、Gradient Descent梯度下降(无反馈) #梯度下降的线性拟合过程，梯度使用的是平均梯度 #导入数据 x_data = [1,2,3] y_data = [2,4,6] #初始化w的值 w = 1 #正向传递函数 def forward(x): return x*w #计算损失函数 def co
《PyTorch深度学习实践》课上代码笔记 五
Zhanglw882的博客
11-09 750
自学笔记 课程老师：刘二大人 河北工业大学教师 https://liuii.github.io 课程来源：https://www.bilibili.com/video/BV1Y7411d7Ys 十二、Residual_Block（残差网络） 为了防止梯度的消失，在一定次数的卷积操作后(一般为两次)，将结果与输入进行相加后进行relu，这样后的梯度最小会在1左右，而不是0，能有效避免梯度消失。残差部分的代码如下： #定义残差块 class ResidualBlock(nn.Module): def
《动手学深度学习》(Pytorch版) 学习笔记—— 3.3 线性回归的简洁实现
槐序的小山洞
05-17 642
文章目录前言1 生成数据集2 读取数据3 定义模型4 初始化模型参数5 定义损失函数6 定义优化算法7 训练模型8 小结 前言 Python初学者一枚，文章仅为个人学习记录，便于以后查看使用。 使用PyTorch更方便地实现线性回归的训练。 1 生成数据集 生成与上一节中相同的数据集。 其中features是训练数据特征，labels是标签。 import torch import numpy as np num_inputs = 2 num_examples = 1000 true_w = [2, -
《Python编程：从入门到实践》学习笔记——第11章 测试代码
槐序的小山洞
03-23 573
文章目录前言1 测试函数1.1 单元测试和测试用例1.2 可通过的测试1.3 不能通过的测试1.4 测试未通过时怎么办1.5 添加新测试 前言 Python初学者一枚，文章仅为个人学习记录，便于以后查看使用。 编写函数或类时，还可为其编写测试。通过测试，可确定代码面对各种输入都能够按要求的那样工作。在程序中添加新代码时，你也可以对其进行测试，确认它们不会破坏程序既有的行为。 1 测试函数 name_function.py def get_formatted_name(first, last): "
《动手学深度学习》(Pytorch版) 学习笔记——5.1二维卷积层
槐序的小山洞
05-23 478
文章目录前言1 二维互相关运算 前言 Python初学者一枚，文章仅为个人学习记录，便于以后查看使用。 卷积神经网络（convolutional neural network）是含有卷积层（convolutional layer）的神经网络。 1 二维互相关运算 通常在卷积层中使用更加直观的互相关（cross-correlation）运算。 在二维卷积层中，一个二维输入数组和一个二维核（kernel）数组通过互相关运算输出一个二维数组。 将上述过程实现在corr2d函数里。它接受输入数组X与核数组K，并
pytorch 深度学习实践 牟大恩 下载
06-24
### 回答1： 《PyTorch深度学习实践》是由牟大恩编写的一本介绍PyTorch深度学习的实践指南。这本书主要分为两部分，第一部分介绍了PyTorch的基本概念和使用方法，包括PyTorch的基本原理、张量运算、自动求导、数据集、数据加载等；第二部分涵盖了构建深度学习网络的高级主题，包括卷积神经网络、循环神经网络、生成对抗网络、迁移学习等。 《PyTorch深度学习实践》的优点在于其内容深入浅出，对于初学者也很友好。书中提供了很多实例和代码，可以帮助读者更好地理解和掌握PyTorch的使用。此外，这本书还介绍了一些实际应用案例，可以让读者了解深度学习在不同领域的应用。 如果您正在学习PyTorch深度学习，或者正在进行深度学习相关研究，那么《PyTorch深度学习实践》是一本很有价值的参考书籍。无论您是初学者还是有经验的研究人员，都可以从这本书中获得一些实用的知识和灵感。如果您对这本书感兴趣，可以在各大图书网站上下载或购买。 ### 回答2： PyTorch是近年来非常受欢迎的深度学习框架之一。而《PyTorch深度学习实践》这本书则是由牟大恩所写，是一本介绍PyTorch框架及其应用的指南。 本书主要分为三个部分：第一部分介绍了Python基础、NumPy、Tensor和PyTorch基础，这对于初学者非常重要；第二部分是深度学习和PyTorch的应用，包括图像分类、预训练模型、目标检测和分割等内容；第三部分则涉及更高级的深度学习技术，如生成对抗网络、自然语言处理和强化学习。 此外，本书还提供了大量的实例代码和Jupyter笔记本，供读者练习和实践。这些案例覆盖了诸如文本分类、时间序列分析、语音识别等不同领域。 总之，如果你想学习深度学习和PyTorch框架，特别是如果你已经具有Python编程经验，那《PyTorch深度学习实践》是一本非常实用的图书。它可以帮助你深入了解该框架，学习如何构建和训练深度神经网络，并通过实践掌握更高级的深度学习技巧。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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