李沐动手学AI
文章平均质量分 92
李沐动手学AI学习笔记,欢迎一起学习~
galaxy_Fannn
知足 上进 不辜负野心
展开
-
李沐windows深度学习环境配置
学习深度学习配置环境原创 2023-01-06 22:55:17 · 1222 阅读 · 8 评论 -
李沐动手学AI——pytorch函数大全
内含pytorch常用函数大全,适用于深度学习入门原创 2023-11-27 22:01:29 · 53 阅读 · 1 评论 -
李沐动手学AI笔记--线性回归的简洁实现
对于标准深度学习模型,我们可以使用框架的预定义好的层。这使我们只需关注使用哪些层来构造模型,而不必关注层的实现细节。我们首先定义一个模型变量net,它是一个Sequential类的实例。Sequential类将多个层串联在一起。当给定输入数据时,Sequential实例将数据传入到第一层,然后将第一层的输出作为第二层的输入,以此类推。我们的模型只包含一个层,实际上不需要Sequential。但是由于以后几乎所有的模型都是多层的,在这里使用Sequential会让你熟悉“标准的流水线”。原创 2023-03-25 20:59:53 · 124 阅读 · 0 评论 -
李沐动手学AI笔记--线性回归
尽管神经网络涵盖了更多更为丰富的模型,我们依然可以用描述神经网络的方式来描述线性模型, 从而把线性模型看作一个神经网络。很难做到的是找到一组参数,能够在我们从未见过的数据上实现较低的损失,这一挑战被称为。但是,即使我们的函数确实是线性的且无噪声,这些估计值也不会使损失函数真正地达到最小值。)关于模型参数的导数(或梯度)。需要注意的是,该图只显示连接模式,即只显示每个输入如何连接到输出,隐去了权重和偏置的值。因此,即使确信特征与标签的潜在关系是线性的,我们也会加入一个噪声项来考虑观测误差带来的影响。原创 2023-03-25 21:21:28 · 407 阅读 · 0 评论 -
李沐动手学AI笔记--线性回归的从零开始实现
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。"""线性回归模型"""原创 2023-03-25 21:08:09 · 153 阅读 · 0 评论