- 博客(4)
- 收藏
- 关注
RSS订阅原创 李沐—动手学深度学习笔记
将模型的输入和参数同模型的输出关联起来。回想一下，要计算线性模型的输出， 我们只需计算输入特征X和模型权重w的矩阵-向量乘法后加上偏置b。广播机制： 当我们用一个向量加一个标量时，标量会被加到向量的每个分量上。对于每一个小批量，我们会进行以下步骤:通过调用net(X)生成预测并计算损失l（前向传播）。通过进行反向传播来计算梯度。通过调用优化器来更新模型参数。4.多层感知机。
2023-09-15 16:21:03
1362
原创 王树森强化学习-笔记
把控制问题的自由度记为d，在机械手臂的例子中，有两个关节可以转动，所以自由度d=2，那么动作空间就是二维空间的一个子集，做离散化时，空间的纬度越高，网格上的点越多，网格点的数量随d指数增长，这会造成维度灾难。对于确定的状态s，策略网络会输出确定的动作a，如果输入的状态是固定的，而且价值网络也是固定的，那么唯一会影响价值网络的因素就是参数。，前后transition有很强的关联,实验证明这样的相关性是有害的，如果把序列打散，消除相关性，则有利于把DQN训练的更好。a的维数就是动作空间的维度。
2023-09-08 16:13:40
555
1
原创 open-cv学习笔记
cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT：反射法，和上面类似，但是有一些细微的不同，类似于gfedcb|abcdefgh|gfedcba。cv2.CV_IMWRITE_JPEG_QUALITY：设置 .jpeg/.jpg 格式的图片质量，取值为 0-100（默认值 95），数值越大则图片质量越高；cv2.CV_IMWRITE_PNG_COMPRESSION：设置 .png 格式图片的压缩比，取值为 0-9（默认值 3），数值越大则压缩比越大。
2023-08-04 12:41:10
761
1
原创 pytorch-动手学深度学习
fillna() 是 DataFrame 中的一个方法，用于将数据中缺失的值填充为指定的值或方法所返回的值。也就是说，如果我们的目标形状是（高度,宽度）， 那么在知道宽度后，高度会被自动计算得出，不必我们自己做除法。幸运的是，我们可以通过。例如，如果我们用Y = X + Y，我们将取消引用Y指向的张量，而是指向新分配的内存处的张量。沿行（轴-0，形状的第一个元素） 和按列（轴-1，形状的第二个元素）连结两个矩阵时，dim=0,增加行数；可以创建一个形状为（2,3,4）的张量，其中所有元素都设置为0/1。
2023-07-17 15:21:57
2315
1
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