- 博客(8)
- 收藏
- 关注
RSS订阅原创 图像分类数据集
这两个数据加载器对象分别使用之前创建的数据集对象作为输入，batch_size表示每个批次的样本数量，shuffle=True表示在每个epoch开始时对数据进行洗牌，num_workers=get_dataloader_workers()表示使用之前定义的函数get_dataloader_workers返回的整数值作为读取数据的进程数。然后，使用enumerate函数遍历axes和imgs，其中i表示索引，ax表示当前的Axes对象，img表示当前的图像。如果不是，则直接使用ax.imshow函数显示。
2023-11-07 22:22:57
44
原创 3.3. 线性回归的简洁实现
nn模块是PyTorch提供的一个用于构建神经网络的高级API，它封装了一些常用的神经网络层和模型，使得构建和训练神经网络变得更加简单和方便。综合起来，这段代码实现了一个简单的训练循环，通过多轮的训练，使用随机梯度下降算法更新模型的参数，以最小化损失函数。`net(X)`表示将输入X传入神经网络模型进行前向传播得到预测值，`loss()`表示计算预测值和真实标签之间的损失。8. `l = loss(net(features), labels)`：计算整个训练数据集上的损失值，用于打印训练过程中的损失变化。
2023-10-23 17:07:21
56
原创 3.2线性神经网络
"""线性回归模型"""¶"""小批量随机梯度下降"""params:list，包含了w和b。1r:学习率batch_size，代表批次大小。with torch.no_grad():更新的时候不要进行梯度计算：使用小批量随机梯度下降更新参数。param.grad表示参数的梯度，lr表示学习率，batch_size表示批次大小。更新的公式为：参数 = 参数 - 学习率 * 梯度 / 批次大小。其中梯度会存在你的.gard里面：将参数的梯度清零。
2023-10-22 17:33:23
70
1
原创 2.6 概率
这将返回一个长度为6的一维张量，其中只有一个元素的值为1，其余元素的值为0。因为我们是从一个公平的骰子中生成的数据，我们知道每个结果都有真实的概率1/6， 大约是0.167，所以上面输出的估计值看起来不错。总之，这段代码计算了一个多项分布的估计概率，并使用matplotlib库将估计概率曲线进行可视化展示。从一个多项分布中进行10次随机抽样的过程，并返回了每个事件被抽中的次数。然后，我们使用一个循环来绘制每个事件的估计概率曲线。，其中每个元素的值都是1/6，表示每个事件发生的概率是相等的。
2023-10-20 10:24:50
88
1
原创 2.4微积分
这是一个Jupyter Notebook的魔法命令，它告诉Jupyter Notebook在输出结果中显示Matplotlib绘图的结果，并将这些图形嵌入到Notebook中。在这个例子中，函数计算了3 * x的平方减去4 * x的值，并将结果返回。：这是一个打印语句，它会将一些文本和变量的值打印到控制台。这段代码的作用是计算一个函数在不同步长下的数值极限值。这样，在后续的绘图操作中，如果没有显式指定图表大小，就会使用这个默认值。，并导入了一些常用的库和模块，以便在后续的代码中使用它们。
2023-10-18 19:50:35
344
3
原创 安装环境大集合
之后pip安装： pip install .\d2l-0.15.1-py3-none-any.whl。出现错误：于是把下载好的d2l放在给出的路径中，再次运行以上代码。来清除conda的缓存，然后再次尝试安装d2l。来更新conda版本，然后再次尝试安装d2l。来添加清华镜像源，然后再次尝试安装d2l。先学，出现问题再解决。中安装，推荐使用conda安装，然后使用清华镜像源：使用命令。更新conda：使用命令。
2023-10-18 16:11:35
41
1
原创 2.3. 线性代数
新张量的第一行与原始张量A的第一行相同，第二行是原始张量A的第一行和第二行的和，以此类推。元素的值类似于第x维上的前缀和。同样，给定具有相同形状的任意两个张量，任何按元素二元运算的结果都将是相同形状的张量。如果两个矩阵的维度不同, 且从后往前一直都满足特定情况, 那么对于维度小的矩阵会自动补全为另一个矩阵的维度。如果axis=1即对A的第二个维度也就是5这个维度进行求和, 返回值就是一个大小为2x4的张量。将生成一个2行3列的新张量，其中第一行与A的第一行相同，第二行是A的第一行和第二行的和。
2023-10-18 14:20:57
66
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人