Pytorch动手学深度学习打卡笔记

第一次打卡

1. softmax回归，解决的是分类问题
2. 图片在神经网络当中的输入是拉平了输入，即(256,256)大小的图片，那么输入的神经元大小是256*256个
3. 循环神经网络rnn，是解决文本、视频等有时序关系的问题

第二次打卡
理论的学习和代码实现是2个主要部分，在看代码学习的过程中常常反复查询pytorch以及Python的一些主要且常用的函数，做个整理笔记，以便日后复习或使用。

1. detach()
   是将网络中的参数分离出来使用，一般在测试集数据时使用
2. pd.get_dummies(all_features, dummy_na=True)
   独热编码方式，即将all_featrues里的离散型特征数据编码为0-1形式，dummy_na为True则将nan类型的也视为正常
3. view(-1,1)
   可以将数据整成一列