深度学习
文章平均质量分 87
wssssang
这个作者很懒,什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
pytorch自动求梯度
自动求梯度在深度学习中,我们经常需要对函数求梯度(gradient)。PyTorch提供的autograd包能够根据输入和前向传播过程自动构建计算图,并执行反向传播。本节将介绍如何使用autograd包来进行自动求梯度的有关操作。1.1 概念上一节介绍的Tensor是这个包的核心类,如果将其属性.requires_grad设置为True,它将开始追踪(track)在其上的所有操作(这样就可以利用链式法则进行梯度传播了)。完成计算后,可以调用.backward()来完成所有梯度计算。此Tensor的梯度原创 2021-06-29 14:26:14 · 495 阅读 · 0 评论 -
pytorch数据操作
pytorch版数据操作在PyTorch中,torch.Tensor是存储和变换数据的主要工具。如果你之前用过NumPy,你会发现Tensor和NumPy的多维数组非常类似。然而,Tensor提供GPU计算和自动求梯度等更多功能,这些使Tensor更加适合深度学习。"tensor"这个单词一般可译作“张量”,张量可以看作是一个多维数组。标量可以看作是0维张量,向量可以看作1维张量,矩阵可以看作是二维张量。1.1 创建Tensor首先介绍Tensor最基本的操作,即Tensor的创建。# 导入原创 2021-06-28 23:22:43 · 277 阅读 · 1 评论 -
吴恩达深度学习L1W4作业1
知识点:深度神经网络的实现,初始化,正向传播,反向传播1 安装包numpy是Python科学计算的基本包。matplotlib是在Python中常用的绘制图形的库。dnn_utils为此笔记本提供了一些必要的函数。testCases提供了一些测试用例来评估函数的正确性np.random.seed(1)使所有随机函数调用保持一致。 这将有助于我们评估你的作业,请不要改变seed。import numpy as npimport h5pyimport matplotlib.pyplot as原创 2021-06-16 10:13:44 · 592 阅读 · 0 评论 -
吴恩达深度学习L1W3
吴恩达深度学习L1W3知识点:1层隐藏层的神经网络1 安装包略我直接将函数复制过来# testCases模块!!!!!!!!!!!!!!!import numpy as npdef layer_sizes_test_case(): np.random.seed(1) X_assess = np.random.randn(5, 3) Y_assess = np.random.randn(2, 3) return X_assess, Y_assessdef原创 2021-05-31 21:00:57 · 597 阅读 · 0 评论 -
吴恩达深度学习L1W2作业2
吴恩达《深度学习》L1W2作业2知识点:用神经网络思想实现逻辑回归原创 2021-05-26 08:56:06 · 680 阅读 · 1 评论 -
吴恩达深度学习L1W2作业1
第一课 神经网络与深度学习第二周 神经网络基础原创 2021-05-24 20:34:59 · 644 阅读 · 0 评论
分享