动手深度学习（1-3）

最新推荐文章于 2022-12-19 23:25:18 发布
最新推荐文章于 2022-12-19 23:25:18 发布
阅读量154 收藏
点赞数
分类专栏： pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yuandidazhuangi/article/details/104318264
版权

线性回归

softmax与分类模型

softmax函数的常数不变性
在这里插入图片描述
为什么是指数形式（了解）
在这里插入图片描述
在这里插入图片描述

多层感知机

文本预处理

文本是一类序列数据，一篇文章可以看作是字符或单词的序列，本节将介绍文本数据的常见预处理步骤，预处理通常包括四个步骤：

读入文本
分词
建立字典，将每个词映射到一个唯一的索引（index）
将文本从词的序列转换为索引的序列，方便输入模型
重点是分词工具：英文分词使用spaCy和NLTK
中文分词工具jieba分词

语言模型

基于统计的语言模型，主要是 nn元语法（ nn -gram）

在这里插入图片描述在这里插入图片描述
每个batch_size中包含n个时间步数

循环神经网络基础

在这里插入图片描述
在这里插入图片描述

《动手学深度学习》学习日志3
qq_42246380的博客
02-24 444
深度学习中关于优化、梯度下降、数据增强、模型微调、优化算法、词嵌入等知识点的笔记。
《动手学深度学习》-学习笔记-5.1. 二维卷积层
u014410989的专栏
04-10 1637
《动手学深度学习》-学习笔记-5.1. 二维卷积层 课后练习1 问题： 构造一个输入图像X，令它有水平方向的边缘。如何设计卷积核K来检测图像中水平边缘？如果是对角方向的边缘呢？ 解答： 这篇博文介绍了很多边缘检测卷积核：https://blog.csdn.net/zlsjsj/article/details/80057312 可以分别采用如下卷积核检测水平方向边缘和对角方向边缘： ![在这里插入图...
29.图像卷积代码实现
weixin_47505105的博客
12-19 1610
接下来，我们在corr2d函数中实现如上过程，该函数接受输入张量X和卷积核张量K，并返回输出张量Y。验证上述二维互相关运算的输出。
动手学深度学习（3）
Hu_LSS的博客
02-25 161
图像卷积操作
sujixian1995的博客
09-17 1350
图像卷积 1 互相关运算 严格来说，卷积层是个错误的叫法，因为它所表达的运算其实是 互相关运算 (cross-correlation)，而不是卷积运算。 在卷积层中，输入张量和核张量通过互相关运算产生输出张量。首先，我们暂时忽略通道（第三维）这一情况，看看如何处理二维图像数据和隐藏表示。在下图中，输入是高度为 3 、宽度为 3 的二维张量（即形状为 3×3 ）。卷积核的高度和宽度都是 2 ，而卷积核窗口（或卷积窗口）的形状由内核的高度和宽度决定（即 2×2 ）。 import to.
【pytorch实现】用卷积核检测图中对角方向边缘（小练习）
laozaoxiaowanzi的博客
07-15 1655
练习： 构造一个输入图像X，如何设计卷积核K来检测图像中对角方向的边缘？ 检测图像中物体的边缘，即找到像素变化的位置。 构造一个6*6大小由黑到白过渡的图像，0黑，1白。 代码： x=torch.zeros(6,6) for i in range(6): for j in range(i+1): x[i,j] = 1 print(x) 输出： tensor([[1., 0., 0., 0., 0., 0.], [1., 1., 0., 0., 0., 0.],
动手学深度学习-pytorch-源代码
04-14
《动手学深度学习》是一本深受读者喜爱的书籍，它以PyTorch为工具，深入浅出地介绍了深度学习的基本概念、模型和实践方法。PyTorch是Facebook开源的一个强大的深度学习框架，以其易用性、灵活性和强大的计算能力而...
动手学深度学习1-自己敲的码
最新发布
08-04
动手学深度学习1[学习记录]
[深度学习]动手学深度学习笔记-6
01-20
在本篇【深度学习】动手学深度学习笔记-6中，我们主要关注的是Task-3，即循环神经网络（RNN）的进阶部分，特别是长短期记忆网络（LSTM）。LSTM是一种特殊的RNN变体，设计用于解决标准RNN在处理长序列数据时可能出现...
《动手学深度学习---沐神》安装环境需要的包(python=3.8)
03-09
1.【matplotlib】matplotlib-3.4.0-cp38-cp38-win_amd64.whl 2.【numpy】numpy-1.22.3-cp38-cp38-win_amd64.whl 3.【torch】torch-1.10.2-cp38-cp38-win_amd64.whl 4.【torchvision】torchvision-0.11.3-cp38-cp38-...
【从零开始学习深度学习】21. 卷积神经网络（CNN）之二维卷积层原理介绍、如何用卷积层检测物体边缘
阿旭的博客
12-13 3788
【从零开始学习深度学习】21. 卷积神经网络（CNN）之二维卷积层原理介绍、如何用卷积层检测物体边缘
动手学深度学习 - 5.1. 二维卷积层
既然选择了远方 便只顾风雨兼程 - 永强
06-15 1503
动手学深度学习 - 5.1. 二维卷积层 动手学深度学习 - Dive into Deep Learning Aston Zhang, Zachary C. Lipton, Mu Li, and Alexander J. Smola https://zh.d2l.ai/ 5.1. 二维卷积层 卷积神经网络 (convolutional neural network) 是含有卷积层 (convolu...
5.1 二维卷积层
qinhuiqiao的博客
02-19 502
卷积神经网络（convolutional neural network）是含有卷积层（convolutional layer）的神经网络。本章中介绍的卷积神经网络均使用最常见的二维卷积层。它有高和宽两个空间维度，常用来处理图像数据。本节中，我们将介绍简单形式的二维卷积层的工作原理。 5.1.1 二维互相关运算 虽然卷积层得名于卷积（convolution）运算，但我们通常在卷积层中使用更加直观的互...
动手深度学习-笔记1
朱师傅的博客
02-14 248
知识点 损失函数中的解分为两类： 解析解：误差最小化问题的解可以直接用公式表达出来 数值解：通过优化算法有限次迭代模型参数来尽可能降低损失函数的值 优化函数的两个步骤： 初始化模型参数，一般来说使用随机初始化。 我们在数据上迭代多次，通过在负梯度方向移动参数来更新每个参数. 两个向量相加的两种方法： 向量相加的一种方法是，将这两个向量按元素逐一做标量加法。 timer = Timer(...
卷积运算转换为矩阵乘法
热门推荐
linger(心怀梦想，活在当下，知乎ID：linger liu)
04-16 1万+
看卷积神经网络的时候，发现代码中计算卷积是通过矩阵乘法来计算的。 搜了一下发现网上这方面的资料很少。刚开始找中文的，找到两个。 http://blog.csdn.net/anan1205/article/details/12313593 http://zhongcheng0519.blog.163.com/blog/static/161690688201122141335874/
opencv提取图像边缘特征sobel算子的运用
never give up的博客
06-06 9330
计算机视觉领域的一种重要处理方法。主要用于获得数字图像的一阶梯度，常见的应用和物理意义是边缘检测。在技术上，它是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子，将会产生该点对应的梯度矢量或是其法矢量
动手学深度学习笔记三
qq_15528459的博客
02-25 242
Task06 错题 一.批量归一化和残差网络 二.凸优化 可以理解为在夏季的物品推荐系统与冬季相比，时间或者说季节发生了变化，导致了夏季推荐圣诞礼物的不合理的现象，这个现象是由于协变量时间发生了变化造成的。 三.梯度下降 实现深层循环神经网络需要修改的参数是？num_layers 3. GRU有重置门和更新门，没有遗忘门。重置门有助于捕捉时间序列里短期的依赖关系，更新门有助于捕捉时间序...
《动手学深度学习---沐神》Python环境必备包指南
资源摘要信息:《动手学深度学习---沐神》是一套面向初学者的深度学习学习材料，它以动手实践的方式，引导学习者通过完成具体项目来深入理解深度学习技术。本套材料强调理论与实践相结合，涵盖了深度学习基础理论、...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值