深度学习自学笔记
文章平均质量分 88
子非鱼icon
学习python中~
展开
-
吴恩达深度学习笔记(八)——卷积神经网络(上)
吴恩达深度学习内容的一些笔记。原创 2023-02-17 16:41:17 · 1416 阅读 · 0 评论 -
吴恩达深度学习笔记(七)——机器学习策略
吴恩达深度学习笔记,有关机器学习策略。原创 2022-09-22 12:25:51 · 1459 阅读 · 0 评论 -
吴恩达深度学习笔记(六)——超参数调试、Batch正则化和程序框架
吴恩达深度学习第二周第三次作业原创 2022-09-18 21:37:00 · 1891 阅读 · 0 评论 -
吴恩达深度学习笔记(五)——优化算法
第二部分第二周的学习内容和课后作业整理。原创 2022-09-06 14:24:07 · 1771 阅读 · 0 评论 -
吴恩达深度学习笔记(四)——深度学习的实践层面
吴恩达深度学习作业。原创 2022-09-03 13:24:21 · 1868 阅读 · 1 评论 -
吴恩达深度学习笔记(三)——深度神经网络
吴恩达学习笔记,包括个人认为重要的知识点以及课后作业。原创 2022-08-21 20:22:28 · 1370 阅读 · 2 评论 -
吴恩达深度学习笔记(二)——浅层神经网络
吴恩达学习笔记,包括个人认为重要的知识点以及课后作业。原创 2022-08-16 15:39:43 · 1302 阅读 · 1 评论 -
吴恩达深度学习笔记(一)——神经网络基础、 logistic 回归
吴恩达学习笔记,包括个人认为重要的知识点以及课后作业。原创 2022-08-12 11:22:14 · 865 阅读 · 1 评论 -
深度学习+pytorch自学笔记(十)——含并行连结的网络(GoogLeNet)、批量归一化、残差网络(ResNet)、稠密连接网络(DenseNet)
参考书籍《动手学深度学习(pytorch版),参考网址为:https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter05_CNN/5.9_googlenethttps://zh-v2.d2l.ai/chapter_convolutional-modern/googlenet.html请大家也多多支持这两个很好用的平台~大部分内容为书中内容,也有部分自己实验和添加的内容,如涉及侵权,会进行删除。一、含并行连结的网络(GoogLeNet)1.1 Ince原创 2021-08-28 12:04:14 · 980 阅读 · 1 评论 -
深度学习+pytorch自学笔记(九)——深度卷积神经网络(AlexNet)、使用重复元素的网络(VGG)、网络中的网络(NiN)
参考书籍《动手学深度学习(pytorch版),参考网址为:https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter05_CNN/5.1_conv-layerhttps://zh-v2.d2l.ai/chapter_convolutional-neural-networks/index.html请大家也多多支持这两个很好用的平台~大部分内容为书中内容,也有部分自己实验和添加的内容,如涉及侵权,会进行删除。一、深度卷积神经网络(AlexNet)在LeN原创 2021-08-21 12:17:27 · 729 阅读 · 0 评论 -
深度学习+pytorch自学笔记(八)——二维卷积层、填充和步幅、多输入和多输出通道、池化层和卷积神经网络(LeNet)
参考书籍《动手学深度学习(pytorch版),参考网址为:https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter05_CNN/5.1_conv-layerhttps://zh-v2.d2l.ai/chapter_convolutional-neural-networks/index.html请大家也多多支持这两个很好用的平台~大部分内容为书中内容,也有部分自己实验和添加的内容,如涉及侵权,会进行删除。一、 二维卷积层卷积神经网络(convolut原创 2021-08-13 18:17:26 · 1985 阅读 · 0 评论 -
深度学习+pytorch自学笔记(七)——模型构造、模型参数的访问、初始化和共享、自定义层、读取和存储、GPU计算
参考书籍《动手学深度学习(pytorch版),参考网址为:https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter04_DL_computation/4.1_model-constructionhttps://zh-v2.d2l.ai/chapter_deep-learning-computation/model-construction.html请大家也多多支持这两个很好用的平台~大部分内容为书中内容,也有部分自己实验和添加的内容,如涉及侵权,会进行原创 2021-08-10 14:14:19 · 609 阅读 · 1 评论 -
深度学习+pytorch实战Kaggle比赛(一)——房价预测
参考书籍《动手学深度学习(pytorch版),参考网址为:https://zh-v2.d2l.ai/chapter_multilayer-perceptrons/index.htmlhttps://tangshusen.me/Dive-into-DL-PyTorch/#/chapter03_DL-basics/3.8_mlp请大家也多多支持这两个很好用的平台~...原创 2021-08-06 12:17:40 · 2007 阅读 · 0 评论 -
深度学习+pytorch自学笔记(六)——模型选择、欠拟合和过拟合、权重衰减、丢弃法、正向传播、反向传播和计算图、数值稳定性和模型初始化
参考书籍《动手学深度学习(pytorch版),参考网址为:https://zh-v2.d2l.ai/chapter_multilayer-perceptrons/index.htmlhttps://tangshusen.me/Dive-into-DL-PyTorch/#/chapter03_DL-basics/3.8_mlp请大家也多多支持这两个很好用的平台~大部分内容为书中内容,也有部分自己实验和添加的内容,如涉及侵权,会进行删除。一、模型选择、欠拟合和过拟合在前几节基于Fashion-MNI原创 2021-08-04 10:30:13 · 2055 阅读 · 3 评论 -
深度学习+pytorch自学笔记(五)——MLP多层感知机
参考书籍《动手学深度学习(pytorch版),参考网址为:https://zh-v2.d2l.ai/chapter_multilayer-perceptrons/index.htmlhttps://tangshusen.me/Dive-into-DL-PyTorch/#/chapter03_DL-basics/3.8_mlp请大家也多多支持这两个很好用的平台~大部分内容为书中内容,也有部分自己实验和添加的内容,如涉及侵权,会进行删除。一、基本概念和模型1.隐藏层多层感知机在单层神经网络的基础上原创 2021-08-01 13:49:32 · 747 阅读 · 0 评论 -
Pytorch常见报错、踩坑点总结(持续更新)
在利用PyTorch进行深度学习的路上踩坑点实在是太多了,因此打算总结一些,以便日后查阅使用。一、transforms.ToTensor()在运行下面一段程序的时候,发现报错提醒:D:\Anaconda3\envs\py36\lib\site-packages\torchvision\datasets\mnist.py:498: UserWarning: The given NumPy array is not writeable, and PyTorch does not support non-w原创 2021-07-30 12:53:08 · 10635 阅读 · 14 评论 -
深度学习+pytorch自学笔记(四)——softmax回归
参考书籍《动手学深度学习(pytorch版),参考网址为:https://tangshusen.me/Dive-into-DL-PyTorch/#/请大家也多多支持这一个很好用的平台~大部分内容为书中内容,也有部分自己实验和添加的内容,如涉及侵权,会进行删除。一、基本概念——回归估计一个连续值——分类预测一个离散类别基本概念网址:https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter03_DL-basics/3.4_softmax-regress原创 2021-06-01 22:00:03 · 436 阅读 · 0 评论 -
深度学习+pytorch自学笔记(三)——线性回归
参考书籍《动手学深度学习(pytorch版),参考网址为:https://tangshusen.me/Dive-into-DL-PyTorch/#/请大家也多多支持这一个很好用的平台~大部分内容为书中内容,也有部分自己实验和添加的内容,如涉及侵权,会进行删除。正文——线性回归一、概念线性回归输出是一个连续值,因此适用于回归问题。回归问题在实际中很常见,如预测房屋价格、气温、销售额等连续值的问题。二、基本例子我们以一个简单的房屋价格预测作为例子来解释线性回归的基本要素。这个应用的目标是预测一栋房原创 2021-05-25 11:19:27 · 618 阅读 · 2 评论 -
深度学习+pytorch自学笔记(二)——观看沐神视频直播后的知识点补充
demo1:import torchx = torch.arange(12) # 创建张量print(x)print(x.numel()) # 返回元素总数# 多个张量连接在一起X = torch.arange(12, dtype=torch.float32).reshape((3,4))Y = torch.tensor([[2.0, 1, 4, 3], [1, 2, 3, 4], [4, 3, 2, 1]])res1 = torch.cat((X,Y), dim=0) # 按行连起来原创 2021-05-17 16:31:48 · 143 阅读 · 0 评论 -
深度学习+pytorch自学笔记(一)——PyTorch基础
背景本人目前为大四学生,已被清华大学拟录取。由于研究生目前初定的方向会涉及到深度学习的内容,导师说会利用pytorch进行缺陷检测等,涉及精密测量、先进制造等相关领域。因此,于毕业论文差不多初步完成之际开始自学。为了便于知识的整理,因此打算将每一次的学习内容,整理成笔记,方便自己查看巩固,以及其他志同道合的朋友参考查阅。编译器为PyCharm,参考书籍为软件工程朋友推荐的《动手学深度学习(pytorch版),参考网址为:https://tangshusen.me/Dive-into-DL-PyTorc原创 2021-05-15 13:11:24 · 743 阅读 · 0 评论