《动手学深度学习（Dive into Deeplearning）》（第二版）——启程

最新推荐文章于 2024-05-30 15:36:41 发布
最新推荐文章于 2024-05-30 15:36:41 发布
阅读量340 收藏
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 《动手学深度学习》自学之路 文章标签： 深度学习 人工智能 python
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/weixin_51294111/article/details/118970539
博主计划分享《动手学深度学习》的学习心得，回顾上学期课程，通过实践项目重温深度学习核心，逐章解析并分享内容。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

《动手学深度学习（Dive into Deeplearning）》——启程

今天是我第一天开始在CSDN上发表内容，还是熟悉的markdown编辑方式哈哈哈哈，想想当初第一次接触markdown编辑还是大数据技术基础这门课的老师推荐的typora编辑器，还是十分好用的。

上学期的深度学习课只有半个学期，感觉一下子就把内容过了一遍，学完之后虽然自己动手实现了训练图片翻译的模型并且效果还不错（如果有时间我会考虑放上来哈哈哈），但是像是一晃而过一样真正深度学习讲了些什么我还是一知半解的，所以我打算趁着这个暑假在学校实习的时间，重新学一下沐神的这本《动手学深度学习》，后续会将每章的内容陆续更新进来，请大家多多关注支持哈~~

李沐中《动手学深度学习》6月最新
lqfarmer的博客
06-20 610
阿斯顿·张、李沐联合编写的，面向中文读者的能运行、可讨论的深度学习教科书《动手学深度学习》又更新了。 本书6月最新、免费中文版、英文版教材；随书配套代码、视频：https://mp.weixin.qq.com/s?__biz=MzIxNDgzNDg3NQ==&mid=2247488134&idx=1&sn=8ff197108336db0117b31194eae5cb1a&chksm=97a0d952a0d75044e7d0b8de5c357887...
动手学习深度学习 DIVE into Deep learning 的 学习 第一章 前言
weixin_43823175的博客
12-31 1130
动手学习深度学习 DIVE into Deep learning 的 学习 第一章 前言 本文为学习《动手学习深度学习》的一些学习，内容来源于网址： https://d2l.ai/ Dive into Deep Learning — Dive into Deep Learning 0.17.1 documentation 主要学习pytorch的一些内容 引言 全书的结构 (https://zh.d2l.ai/_images/book-org.svg)] 前言 机器学习的任务 生成一个输入到输出的映射 具
《动手学深度学习（Dive into Deeplearning）》（第二版）——准备
def_Mark_Heng的私房菜
07-22 1093
《动手学深度学习（Dive into Deeplearning）》（第二版）序言安装符号 序言 前面主要铺垫了一些前期介绍，下面说明一下代码部分。 为了避免不必要的重复，书中将导入和引用的函数、类等封装在 d2l 包中。对于要保存到包中的任何代码块，比如一个函数、一个类或者多个导入，标记为#@save。在 sec_d2l 中能够找到这些函数和类的详细描述。d2l软件包是轻量级的，仅需要以下软件包和模块作为依赖项： #@save import collections import hashlib import
《动手学深度学习》中文第二版预览版发布
zandaoguang的博客
03-18 602
点击上方“视学算法”，选择加"星标"或“置顶”重磅干货，第一时间送达作者丨李沐@知乎来源丨https://zhuanlan.zhihu.com/p/355739259编辑丨...
《动手学深度学习》第二版（1.引言）笔记
努力学习
02-26 1506
《动手学深度学习》学习笔记——1.引言
李沐d2l《动手学深度学习》第二版——风格迁移源码详解
Polaris的博客
01-21 7401
本文是对李沐Dive to DL《动手学深度学习》第二版13.12节风格迁移的源码详解，整体由Jupyter+VSCode完成，几乎所有重要代码均给出了注释，一看就懂。需要的同学可以在文末链接处下载原文件。 话不多说，我们开始。 图1中的内容图像为本书作者在西雅图郊区的雷尼尔山国家公园拍摄的风景照，而风格图像则是一幅主题为秋天橡树的油画。最终输出的合成图像应用了风格图像的油画笔触让整体颜色更加鲜艳，同时保留了内容图像中物体主体的形状。 图1 风格迁移效果示意图 1.一种简单的风格迁移方法 (1) 初始
动手学习深度学习 DIVE into Deep learning 第三章线性神经网络
weixin_43823175的博客
12-31 944
线性神经网络 3.1. 线性回归 3.1.1. 线性回归的基本元素 线性回归（linear regression）可以追溯到19世纪初， 它在回归的各种标准工具中最简单而且最流行。 线性回归基于几个简单的假设： 首先，假设自变量x和因变量y之间的关系是线性的， 即y可以表示为x中元素的加权和，这里通常允许包含观测值的一些噪声； 其次，我们假设任何噪声都比较正常，如噪声遵循正态分布。 在机器学习的术语中，该数据集称为训练数据集（training data set） 或训练集（training set）。 每行
动手学深度学习(Dive Into Deep Learning)的pytorch版md文件
最新发布
Henry41132220011的博客
05-30 471
看d2l原版md文件时，因为平台适用性所以作者给了多个版本的代码，但是因为我自己学习只用到pytorch版，所以需要构建一个类似这样的md内容整体看起来会舒适很多，所以写了一个py脚本实现这个功能。
Dive into deep learning(04)[动手学深度学习]———————第四章 深度学习计算
weixin_52542715的博客
10-10 826
Dive into deep learning(04)[动手学深度学习]———————第四章 深度学习计算
动手学深度学习（Dive into Deep Learning，D2L
07-21
[动手学深度学习（Dive into Deep Learning，D2L） 墙裂推荐](https://github.com/d2l-ai/d2l-zh) 1. 行为识别 Action_Recognition IDT TSN C3D CDC R-C3D 2. 目标检测 大型网络 MaskRCNN FCIS DCNN ...
DAY2-《动手学深度学习》(PyTorch版)
01-07
Task03： 过拟合和欠拟合 一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）； 另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模型复杂度和训练数据集大小。 模型复杂度 为了解释模型复杂度，我们以多项式函数拟合为例。给定一个由标量数据特征x和对应的标量标签y组成的训练数据集，多项式函数拟合的目标是找一个K阶多项式函数 来近似 y。在上式中，wk是模型的权重参数，b是偏差参数。与线性回归
动手学深度学习（2）
01-06
动手学深度学习（2） 过拟合和欠拟合 接下来，我们将探究模型训练中经常出现的两类典型问题： 一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）； 另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模型复杂度和训练数据集大小。 卷积神经网络参数计算 Convolutional Neural Networks 使用全连接层的局限性： 图像在同一列邻近的像素在这个向量中可能相距较远。它们构成的模式可
d2l_zh:《动手学深度学习》第二版PyTorch版本
03-28
d2l_zh 《动手学深度学习》第二版PyTorch版本 运行环境：Google Colab
动手学深度学习（第二版）学习笔记 第二章
qq_52370024的博客
02-20 1029
动手学深度学习（第二版）学习笔记
动手学深度学习第二版——Day1（章节1——2.2）
Mrwei_418的博客
10-29 1509
动手学深度学习第二版——Day1（章节1——2.2） 1、简单介绍 1)、整体内容 深度学习基础——线性神经网络，多层感知机 卷积神经网络——LeNet，AlexNet，VGG，Inception，ResNet 循环神经网络——RNN。GRU，LSTM，seq2seq 注意力机制——Attention, Transformer 优化算法——SGD， Momentum， Adam 高性能计算——并行，多GPU，分布式 计算机视觉——目标检测，语义分割 自然语言处理——词嵌入，BERT 2)、深度学习介绍
《动手学深度学习（Dive into Deeplearning）》（第二版）——前言
def_Mark_Heng的私房菜
07-22 714
《动手学深度学习（Dive into Deeplearning）》（第二版）前言 前言 我相信，能够来看这个文章学习的朋友们肯定都会了解过机器学习，因此介绍的部分我在此就不进行赘述了，感兴趣的朋友可以去看看官网中作者写的前言进行了解。 比较重要的就是，一定要清楚的明白，无论我们遇到什么样类型的机器学习问题，这些组件都将伴随我们左右： 可以用来学习的数据集（data）； 转换数据的模型（model）； 一个目标函数（objective function），也可以理解为评价函数，用来量化模型的有效性； 调整
《动手学深度学习（Dive into Deeplearning）》（第二版）——第二章 _2.1 数据操作
def_Mark_Heng的私房菜
07-22 570
《动手学深度学习（Dive into Deeplearning）》（第二版）——第二章预备知识第二章 预备知识§ 2.0 开始2.1 第二章 预备知识 &sect 2.0 开始 从本篇开始，我们就进入一开始的预备知识的学习，如果有相关基础的朋友可以选择跳过这章直接进行后续的学习，为了方便大家能够更好地同时学习书本以及沐神直播视频的内容，我也在此放入整理好的视频以及沐神的B站主页传送门： 04 数据操作 + 数据预处理【动手学深度学习v2】 05 线性代数【动手学深度学习v2】 06 矩阵计算【动手
《动手学深度学习》第二版 学习记录
st1124455488的博客
08-30 414
本人初次接触python，主要用于记录自己在学习本书时遇到的问题。可能解决办法还有很多种，也希望各位多多指教！也肯定会有许多地方不专业，也希望多多海涵。
动手学深度学习（二）
no-bug
02-14 200
一 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 二语言模型； 一段自然语言文本可以看作是一个离散时间序列，给定一个长度为 T 的词的序列 w1,w2,…,wT ，语言模型的目标就是评估该序列...
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