跟李沐学机器学习

已于 2023-05-17 22:09:41 修改
阅读量111 收藏
点赞数
文章标签： 人工智能 深度学习
于 2023-05-16 19:47:17 首次发布
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/zzz_strive/article/details/130712741
版权

跟李沐学机器学习

视频

https://space.bilibili.com/1567748478/channel/seriesdetail?sid=358497

安装

https://developer.aliyun.com/article/1122399
https://zh-v1.d2l.ai/chapter_prerequisite/install.html
https://github.com/d2l-ai/d2l-zh-pytorch-slides
https://xie.infoq.cn/article/d8908b0c6e044ee900c254acb
https://blog.csdn.net/weixin_44174352/article/details/123568656

笔记

https://github.com/MLNLP-World/DeepLearning-MuLi-Notes

zzz_strive
关注
用PyTorch实现的李沐《动手学深度学习》，登上GitHub热榜，获得700+星
量子位
09-10 2973
晓查 发自 凹非寺量子位 报道 | 公众号 QbitAI李沐老师的《动手学深度学习》是一本入门深度学习的优秀教材，也是各大在线书店的计算机类畅销书。作为MXNet的作者...
一、CentOS安装深度学习基本环境（pytorch）
qq_46051851的博客
03-03 2000
一、下载、安装编译器 # 更新yum yum update # 下载安装编译器 build-essential是Debian系的meta package的名字，CentOS使用： yum install make automake gcc gcc-c++ kernel-devel # Ubuntu使用：sudo apt install build-essential【注】：执行yum install build-essential出现报错 Error: Failed to download metadat
AI：从小白到入门，超详细人工智能成长路径分享：观后感
专注于AI领域前沿技术学习与分享：目标检测、图像修复、超分重建、AI工程化
03-20 1379
AI：从小白到入门，超详细人工智能成长路径分享 NLP 顶会：ACL、NAACL、EMNLP、COLING。ML顶会：NeurlPS、ICML、LCLR。CV顶会：CVPR、ICCV、ECCV。
HIT-UG-Group#DeepLearning-MuLi-Notes#01-课程安排1
07-25
介绍深度学习经典和最新模型机器学习基础损失函数、目标函数、过拟合、优化实践使用Pytorch实现介绍的知识点在真实数据上体验算法效果2. 内容深度学习基础：线性
重磅！李沐「动手学深度学习」中文课程笔记来了！
fengdu78的博客
05-14 2770
机器之心报道markdown笔记与原课程视频一一对应，Jupyter代码均有详细中文注释，这份学习笔记值得收藏。亚马逊资深首席科学家李沐博士的「动手学深度学习」中文系列课程，这门课从3月持续到8月，超过28000人参与了直播，课程回放在 B 站的播放量达到了上百万次。李沐B站视频地址：https://space.bilibili.com/1567748478/channe...
跟李沐学机器学习模型
akatsikitiandaci的博客
10-14 42
和李沐学机器学习随记
【跟李沐学AI 实用机器学习】全部笔记
qq_53223504的博客
08-11 895
简单来说，就是一个玄学，没法科学解释每个参数的作用，只能靠经验和直觉介绍了几个记录实验数据的工具，如tensorboard、weights&bias。
李沐-机器学习
weixin_44844703的博客
08-02 229
这是篇关于B站李沐老师讲pytorch机器学习的笔记 ndarray 节省内存 linear-algebra
李沐的动手学深度学习的windows环境安装说明
07-06
Jupyter Notebook是一款非常实用的交互式编程环境，非常适合进行数据科学和机器学习相关的实验。 ##### 1.6.1 安装 Jupyter Notebook 可以通过pip或conda安装Jupyter Notebook： - 使用pip: `pip install jupyter...
李沐 机器学习.txt
03-05
李沐的 视频教程哦。
李沐老师机器学习斯坦福课程笔记
libingyu_的博客
08-19 131
记录自己学习的笔记
李沐实用机器学习笔记（class1,class2)
qq_60678226的博客
04-06 1244
Class 1: industrial ML Application Manufacturing: Predictive maintenance, quality control Retail: Recommendation, chatbot, chatbot, demand forecasting Healthcare: Alerts from real-time patient data, disease identification Finance: Fraud detection, appl
李沐动手学深度学习在线课程小白跟班系列（一）初入AI深似海
Billy125的博客
11-14 586
我这小白肯定不能幸免。李沐老师的操作很经典，几分钟就安装到位。二、安装conda时注意，随手把jupyter安装了，都集成在一起的。（要跟着李老师这课学就得把jupyter装了，清华镜像源有）一、使用前注意：win10以上版本，pip命令极好（有15W的库供你使用，缺啥补啥！四、进入d2l虚拟环境，执行如下命令，建立jupyter与虚拟环境的联系。在jupyter中显示的环境名称，与jupyter建立联系。五、打开jupyter，浏览器中会显示这三个kernels。我的conda是直接装在C盘，如图显示。
深度学习入门笔记 Deep Learning Notes
uncle_ll的博客
04-27 874
  首发： part I          https://yq.aliyun.com/articles/71667 part II        https://yq.aliyun.com/articles/72036     作者介绍：Deepak Shah Deepak Shah毕业于德克萨斯奥斯汀分校，徒步旅行爱好者，目前是深度学习\数据科学实习生，研究领域专注于...
李沐「动手学深度学习」中文课程笔记来了！代码还有详细中文注释
zandaoguang的博客
05-09 1483
视学算法报道编辑：张倩markdown笔记与原课程视频一一对应，Jupyter代码均有详细中文注释，这份学习笔记值得收藏。去年年初，机器之心知识站上线了亚马逊资深首席科学家李沐博士的「动手学深度学习」中文系列课程。这门课从3月持续到8月，超过28000人参与了直播，课程回放在 B 站的播放量达到了上百万次。这门课程基于李沐等人编写的《动手学深度学习》第二版。《动手学深度学...
探讨Facebook的AI研究：未来社交平台的技术前瞻
LokiSan的博客
10-29 1226
在数字时代，社交媒体已成为人们日常生活的重要组成部分。作为全球最大的社交网络之一，Facebook不断致力于人工智能（AI）的研究与应用，以提升用户体验、增强平台功能并推动技术创新。本文将探讨Facebook在AI领域的研究方向及其对未来社交平台的潜在影响。
UOS AI 1.6 版本升级，如何实现精准搜索，效率翻倍？
vickynesss的博客
11-01 369
通过直接接入互联网的实时数据流，搜索结果变得多样化，不仅限于文字总结，还包括思维导图、事件与人物的综合概述，以及图片、视频、音频等多种形式，显著提高了回答的准确性和全面性。全局搜索全新搭载端侧大模型：支持离线自然语言搜索，无论身在何处，即使没有网络，只需通过快捷键“Shift+space(空格键）”唤醒全局搜索，都能轻松找到所需文件。：对于日常积累的海量截图，只需借助全局搜索功能，简要描述图片内的文字信息，便能迅速锁定并检索到所需图片。：重要信息直接添加到知识库，方便日后查阅，让全局搜索成为你的第二大脑。
如何在 AI 时代打造你的核心竞争力？
最新发布
玉树芝兰
11-01 210
（注：本文为小报童精选文章。已订阅小报童或加入知识星球「玉树芝兰」用户请勿重复付费）焦虑在《AI 研究已摘得诺奖桂冠，普通科研工作者将何去何从？》一文中我谈过自己对目前 AI 技术浪潮对大众影响的体会——未来已来，只是分布不均。很多人在还没有意识到 AI 带来的变革潜能时，觉得与自己无关，日子该怎么过怎么过，倒也轻松。而一旦突然意识到 AI 的重要性，就会变得焦虑万分。这种焦虑，就是挣扎与思考在外...
基于Keras的U-Net模型在图像分割与计数中的应用
10-31 1942
网络结构优化：项目基于经典的U-Net模型进行改进，采用了更深的网络层次结构，使模型能够在多尺度上捕捉到图像中的细节信息。特别是针对医学图像分割，项目通过增加卷积层数和引入Dropout层来增强模型的特征提取能力，并有效防止过拟合，从而提高模型在训练数据较少情况下的表现。项目中采用了he_normal初始化器和relu激活函数组合，使得网络在训练时能够更快地收敛，降低梯度消失的风险。自定义数据增强策略：在中实现了一个自定义的图像增强类。
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