《动手学深度学习》

零基础-动手学深度学习-6.5 汇聚层（pooling）池化层

通常当我们处理图像时，我们希望逐渐降低隐藏表示的空间分辨率、聚集信息，这样随着我们在神经网络中层叠的上升，每个神经元对其敏感的感受野（输入）就越大。WHY？因为我们的机器学习任务通常会跟全局图像的问题有关（例如，“图像是否包含一只猫呢？”），所以我们最后一层的神经元应该对整个输入的全局敏感！此外，当检测较底层的特征时（例如6.2节中所讨论的边缘），我们通常希望这些特征保持某种程度上的平移不变性。例

·2025-07-27 17:44

零基础-动手学深度学习-6.6 卷积神经网络（LeNet）

通过之前几节，我们学习了构建一个完整卷积神经网络的所需组件。回想一下现在我们已经掌握了卷积层的处理方法，我们可以在图像中保留空间结构。同时，用卷积层代替全连接层的另一个好处是：模型更简洁、所需的参数更少。本节将介绍LeNet,它是最早发布的卷积神经网络之一，于80年代发明的为了识别手写数字，LeCun发表了第一篇通过反向传播成功训练卷积神经网络的研究！6.6.1.LeNet我这里改了一下28-32

生医转码，四海为家·2025-07-27 17:14

【动手学深度学习】4.10 实战Kaggle比赛：预测房价

目录4.10实战Kaggle比赛：预测房价1）数据预处理2）模型定义与训练3）模型评估与预测4）模型训练与预测提交5）示例超参数（可调）4.10实战Kaggle比赛：预测房价数据来源：Kaggle房价预测比赛.1）数据预处理读取数据importpandasaspdtrain_data=pd.read_csv('../data/kaggle_house_pred_train.csv')test_da

XiaoJ1234567·2025-07-10 18:07

动手学深度学习13.7. 单发多框检测（SSD）-笔记&练习（PyTorch）

本节课程地址：45SSD实现【动手学深度学习v2】_哔哩哔哩_bilibili本节教材地址：13.7.单发多框检测（SSD）—动手学深度学习2.0.0documentation本节开源代码：…>d2l-zh

scdifsn·2025-07-08 13:22

动手学深度学习3.3线性回归的简洁实现-笔记&练习（PyTorch）

本节课程地址：线性回归的简洁实现_哔哩哔哩_bilibili本节教材地址：3.3.线性回归的简洁实现—动手学深度学习2.0.0documentation(d2l.ai)本节开源代码：...

scdifsn·2025-07-08 13:22

Python pdfminer.six库【PDF解析库】全面使用指南

DeepSeek这本就够了【自营包邮】DeepSeek实战指南deepseek从入门到精通实用操作指南现代科技科普读物AI普及知识读物人工智能使用教程中小学读物京东超级618Python初学者的入门教程动手学深度学习

老胖闲聊·2025-06-29 11:23

和李沐老师学深度学习--2.数据操作部分代码实现（学习笔记）

大家对代码有不懂地方都可以上网去查找，最好是有一定的数据分析基础比较容易理解，李沐老师课程视频链接我放在这里了大家有不懂都可以观看课程进行学习04数据操作+数据预处理【动手学深度学习v2】_哔哩哔哩_bilibili

·2025-06-29 02:41

Python Robot Framework【自动化测试框架】简介

DeepSeek这本就够了【自营包邮】DeepSeek实战指南deepseek从入门到精通实用操作指南现代科技科普读物AI普及知识读物人工智能使用教程中小学读物京东超级618Python初学者的入门教程动手学深度学习

老胖闲聊·2025-06-27 03:22

【动手学深度学习】4.2~4.3 多层感知机的实现

目录4.2.多层感知机的从零开始实现1）初始化模型参数2）激活函数3）模型4）损失函数5）训练4.3.多层感知机的简洁实现1）模型2）小结.4.2.多层感知机的从零开始实现现在让我们实现一个多层感知机。为了与之前softmax回归获得的结果进行比较，我们将继续使用Fashion-MNIST图像分类数据集。importtorchfromtorchimportnnfromd2limporttorcha

XiaoJ1234567·2025-06-23 06:08

ROCm上来自Transformers的双向编码器表示（BERT）

14.8.来自Transformers的双向编码器表示（BERT）—动手学深度学习2.0.0documentation(d2l.ai)代码importtorchfromtorchimportnnfromd2limporttorchasd2l

109702008·2025-06-20 15:46

69 BERT预训练_BERT代码_by《李沐：动手学深度学习v2》pytorch版

系列文章目录文章目录系列文章目录BidirectionalEncoderRepresentationsfromTransformers(BERT)输入表示预训练任务掩蔽语言模型（MaskedLanguageModeling）下一句预测（NextSentencePrediction）整合代码小结练习BidirectionalEncoderRepresentationsfromTransformers

醒了就刷牙·2025-06-20 15:45

《动手学深度学习》-2.1. 数据操作

2.1.数据操作为了能够完成各种数据操作，我们需要某种方法来存储和操作数据。通常，我们需要做两件重要的事：（1）获取数据；（2）将数据读入计算机后对其进行处理。如果没有某种方法来存储数据，那么获取数据是没有意义的。首先，我们介绍n维数组，也称为张量（tensor）。使用过Python中NumPy计算包的读者会对本部分很熟悉。无论使用哪个深度学习框架，它的张量类（在MXNet中为ndarray，在P

SSWDUT·2025-06-17 08:36

李沐《动手学深度学习》53：语言模型

文章目录时间机器（timemachine）数据集自然语言统计读取长序列数据随机采样顺序分区时间机器（timemachine）数据集“H.G.威尔斯的《时间机器》是一部写于19世纪末的科幻小说。故事介绍了一位杰出的时间旅行者，他向一群持怀疑态度的朋友介绍了他关于时间和空间的革命性想法，讨论了与我们对时间的理解交织在一起的第四维度的概念。故事的开头部分，时间旅行者与他的客人们就他的时空理论展开了热烈的

Cachel wood·2025-06-15 17:49

（五）动手学深度学习计算：从数学原理到高效实现的全流程指南

1层和块层和块是深度学习中构建神经网络的基石。层是网络的基本单元，而块是由多个层组成的模块。这种模块化设计不仅提高了网络的表达能力，还增强了代码的可维护性和可读性。1.1层（Layer）层是深度学习模型的基本构建块，每个层都执行特定的计算任务，并且通常具有可学习的参数。以下是一些常见的层类型：全连接层（FullyConnectedLayer）：定义：全连接层是神经网络中最基本的层，其中每个神经元与

只有左边一个小酒窝·2025-06-09 08:07

MLP多层感知机与Pytorch实现

参考文章：1.动手学深度学习——多层感知机（原理解释+代码详解）_多层感知机代码-CSDN博客2.4.1.多层感知机—动手学深度学习2.0.0documentation3.深度理解多层感知机（MLP）|

zs_dolphin·2025-06-06 10:30

Dive-into-DL-PyTorch项目解析：目标检测中的R-CNN系列算法演进

Dive-into-DL-PyTorch项目解析：目标检测中的R-CNN系列算法演进Dive-into-DL-PyTorch本项目将《动手学深度学习》(DiveintoDeepLearning)原书中的

陆或愉·2025-06-06 03:18

动手学深度学习笔记1

介绍定义：深度学习是一类基于人工神经网络的机器学习技术，通过构建具有多个层次的神经网络模型，让计算机自动从大量数据中学习特征和模式。它模拟人类大脑的神经元结构，通过大量神经元之间的相互连接和信息传递，实现对复杂数据的学习和理解。Tips:与传统机器学习的区别：传统机器学习通常需要人工手动设计特征，这依赖于领域专家的经验和知识，且设计的特征往往具有局限性。而深度学习能够自动从数据中学习到复杂的特征表

a3040218·2025-06-03 22:14

【动手学深度学习】2.5. 自动微分

目录2.5.自动微分1）自动微分的示例2）非标量变量的反向传播3）分离计算4）控制流的梯度计算5）小结.2.5.自动微分求导是几乎所有深度学习优化算法的关键步骤。手动求导是很繁琐且容易出错的。深度学习框架通过自动计算导数，即自动微分来加快求导。自动微分（automaticdifferentiation）：将计算过程分解为一系列基本数学运算，然后计算每个步骤的导数；并将它们组合得到最终导数结果。计算

XiaoJ1234567·2025-05-31 11:21

【动手学深度学习】1.1~1.2 机器学习及其关键组件

目录一、引言1.1.日常生活中的机器学习1.2.机器学习中的关键组件1）数据2）模型3）目标函数4）优化算法一、引言1.1.日常生活中的机器学习应用场景：以智能语音助手（如Siri、Alexa）的唤醒词识别为例，麦克风采集的音频数据（每秒约4.4万次采样）无法通过传统编程直接关联到特定指令。机器学习通过分析大量标记数据（含/不含唤醒词的音频），自动构建输入（音频）到输出（是否触发）的映射关系。图1

XiaoJ1234567·2025-05-26 01:04

【动手学深度学习】2.1. 数据操作

目录2.预备知识2.1.数据操作1）入门2）运算符3）广播机制（broadcastingmechanism）4）索引和切片5）节省内存6）转换为其他Python对象7）小结2.预备知识学习深度学习需掌握以下基础：数据处理：涵盖存储、操作与预处理，核心技能为高效管理表格数据（样本为行，属性为列）。线性代数：矩阵运算是处理多维数据的基础，重点理解基本原理与实现，如矩阵乘法与操作。优化与微积分：通过调整

XiaoJ1234567·2025-05-24 06:44

【动手学深度学习】2.2. 数据预处理

目录2.2.数据预处理1）读取数据集2）处理缺失值3）转换为张量格式4）小结.2.2.数据预处理本节我们将简要介绍使用Python中pandas预处理原始数据，并将原始数据转换为张量格式的步骤。.1）读取数据集创建CSV文件：生成包含三列（NumRooms,Alley,Price）的模拟数据并保存。importosos.makedirs(os.path.join('..','data'),exis

XiaoJ1234567·2025-05-24 06:44

动手学深度学习2.3线性代数-笔记&练习（PyTorch）

本节课程地址：线性代数_哔哩哔哩_bilibili本节教材地址：2.3.线性代数—动手学深度学习2.0.0documentation(d2l.ai)本节开源代码：…>d2l-zh>pytorch>chapter_preliminaries

scdifsn·2025-05-24 06:13

【动手学深度学习】2.3. 线性代数

目录2.3.线性代数1）标量2）向量3）矩阵4）张量5）张量的基本性质6）降维7）点积8）矩阵-向量积9）矩阵-矩阵乘法10）范数11）小结2.3.线性代数本节将介绍线性代数中的基本数学对象、算术和运算，并用数学符号和相应的代码实现来表示它们。.1）标量定义：仅包含一个数值的量称为标量（零维张量），例如温度值。表示：标量变量用普通小写字母表示（如x,y,z），属于实数空间R。操作：标量支持加法、乘

XiaoJ1234567·2025-05-24 06:40

深度学习-最简单的Demo-直接运行

根据动手学深度学习第一个最简单的Demo，通过此demo旨在了解深度学习都干了什么事情，为什么要做这些事情，便于后续理解更加复杂的神经网络训练importtorchimportrandomdefsynthetic_data

后知后觉·2025-05-17 13:43

动手学深度学习（Pytorch版）代码实践 -卷积神经网络-16自定义层

16自定义层importtorchimporttorch.nn.functionalasFfromtorchimportnnclassCenteredLayer(nn.Module):def__init__(self):super().__init__()#从其输入中减去均值#X.mean()计算的是整个张量的均值#希望计算特定维度上的均值，可以传递dim参数。#例如，每一列均值，X.mean(d

@李思成·2025-05-14 21:46

李沐动手学深度学习--深度学习计算

'''importtorchfromtorchimportnnfromtorch.nnimportfunctionalasFX=torch.rand(2,20)''''''#自定义块classMLP(nn.Module):#用模型参数声明层。声明两个全连接层def__init__(self):#调用MLP的父类Module的构造函数来执行必要的初始化。#在类实例化时也可以指定其它函数参数，例如模型

永恒的溪流·2025-05-11 07:22

李沐-动手学深度学习（多层感知机）

今天学李沐老师的动手学深度学习的多层感知机，在学习过程中，代码运行出现了报错：Traceback(mostrecentcalllast):File"D:\zmm\pycharmproject\pythonProject

梦姐的编程日志·2025-05-11 07:20

动手学深度学习12.1. 编译器和解释器-笔记&练习（PyTorch）

本节课程地址：无本节教材地址：12.1.编译器和解释器—动手学深度学习2.0.0documentation本节开源代码：...

scdifsn·2025-05-11 01:41

李沐《动手学深度学习》softmax回归python代码实现

一、手动实现softmax回归#手动实现softmax回归#%matplotlibinlineimporttorchfromd2limporttorchasd2limportmatplotlib.pyplotaspltfromIPythonimportdisplay#参数初始化：batch_size=256train_iter,test_iter=d2l.load_data_fashion_mni

阿万音玲羽·2025-05-06 16:04

零基础-动手学深度学习-3.6softmax回归的从零开始实现

目录一、初始化模型参数二、定义softmax操作三、定义模型四、定义损失函数五、分类精度六、训练七、一点补充鄙人生医转码，道行浅薄，请多谅解~感觉这章的内容超量，代码和详解都非常长，细嚼慢咽ing~首先导入需要的库和上一章讲的训练和测试集MNIST（相比于原码我多加了一个库后面用）importtorchimportmatplotlib.pyplotaspltfromIPythonimportdis

生医转码，四海为家·2025-05-06 16:03

04动手学深度学习（李沐）-数据操作+数据预处理-超详细笔记

本节视频链接：p1https://www.bilibili.com/video/BV1CV411Y7i4?p=1&vd_source=901b5111a53e52641fb11df13be3b7d1p2https://www.bilibili.com/video/BV1CV411Y7i4?p=2&vd_source=901b5111a53e52641fb11df13be3b7d1p1:1.N维数组

_工藤新一·2025-04-28 01:07

李沐动手学深度学习pytorch版 pycharm代码实现

importtorchprint(dir(torch.distributions))print('1.张量的创建')#ones函数创建一个具有指定形状的新张量，并将所有元素值设置为1t=torch.ones(4)print('t:',t)x=torch.arange(12)print('x:',x)print('xshape:',x.shape)print('x.numel():',x.numel

是沐城啊！·2025-04-27 15:33

动手学深度学习8.6. 循环神经网络的简洁实现-笔记&练习（PyTorch）

本节课程地址：简介实现_哔哩哔哩_bilibili本节教材地址：8.6.循环神经网络的简洁实现—动手学深度学习2.0.0documentation(d2l.ai)本节开源代码：...

scdifsn·2025-04-26 07:39

动手学深度学习（Pytorch版）代码实践 -计算机视觉-37微调

37微调importosimporttorchimporttorchvisionfromtorchimportnnimportliliPytorchaslpimportmatplotlib.pyplotaspltfromd2limporttorchasd2l#获取数据集d2l.DATA_HUB['hotdog']=(d2l.DATA_URL+'hotdog.zip','fba480ffa8aa7e

@李思成·2025-04-26 05:52

零基础-动手学深度学习-3.2-3线性回归的代码实现9

零基础生医转码，道行浅薄请见谅~首先我们要用random，torch库，matplot画一下函数：importmatplotlib.pyplotasplt#原文中%matplotlibinline是jupyternotebook的魔法命令importrandomimporttorchfromd2limporttorchasd2l一、生成数据集#定义生成噪声数据函数defsynthetic_data

生医转码，四海为家·2025-04-19 22:15

李沐《动手学深度学习》——14.9. 用于预训练BERT的数据集——wiki数据集问题以及存在的其他问题

问题1：出现"fileisnotazipfile"原因是链接已经失效。解决方法：打开下面链接自行下载，需要魔法。下载完解压到特定位置。下载链接：项目首页-Wikitext-2-v1数据包下载:Wikitext-2-v1数据包下载本仓库提供了一份Wikitext-2-v1的标准数据包，方便无法通过亚马逊网址下载的用户获取-GitCode修改load_data_wiki函数中data_dir的路径，如

成为不掉头发的工程师·2025-04-08 04:24

《动手学深度学习》笔记1.1——Pytorch虚拟环境搭建

目录1.参考资料1.1miniconda在Win上安装anaconda的安装1.2conda基础指令1.3jupyter与pytorch虚拟环境配置1.4一些补充2.我的成功经验2.1新开个虚拟环境2.2torch和torchvision的选择+下载2.3将三个镜像包（d2l,torch和torchvision）安装到虚拟环境3.拓展：调整/删除环境(+重装)3.1补充：删除包，重装包3.2卸载虚

陈苏同学·2025-04-03 11:43

《动手学深度学习》之卷积神经网络

文章目录从全连接层到卷积不变性限制多层感知机平移不变性局部性卷积通道图像卷积互相关运算特征映射和感受野填充和步幅填充步幅多输入多输出通道多输入通道1×11\times11×1卷积层汇聚层最大汇聚层和平均汇聚层卷积神经网络（LeNet）LeNet总结从全连接层到卷积卷积神经网络（convolutionalneuralnetworks，CNN）是机器学习利用自然图像中一些已知结构的创造性方法。不变性计

QxwOnly·2025-03-29 20:22

书籍-《动手学深度学习（英文版）》

AstonZhang，ZacharyC.Lipton，MuLi，AlexanderJ.Smola出版：CambridgeUniversityPress编辑：陈萍萍的公主@一点人工一点智能下载：书籍下载-《动手学深度学习

·2025-03-20 14:25

【动手学深度学习】#1PyTorch基础操作

主要参考学习资料：《动手学深度学习》阿斯顿·张等著【动手学深度学习PyTorch版】哔哩哔哩@跟李牧学AI目录1.1数据操作1.1.1入门1.1.2运算符1.1.3广播机制1.1.4索引和切片1.1.5

-一杯为品-·2025-03-17 13:17

动手学深度学习V2.0(Pytorch)——10.感知机（激活函数）

文章目录1.感知机2.多层感知机2.1异或问题2.2单隐藏层2.3激活函数2.3.1logistics函数/sigmoid激活函数2.3.2tanh函数2.3.3sigmoid函数和tanh函数的异同/优缺点2.3.4relu2.4多类分类2.5多隐藏层3Q&A3.1神经网络中一层的定义是什么3.2感知机无法解决XOR问题，多层感知机虽然可以解决，但是还是被SVM替代是为什么?3.3不同任务的激活

吨吨不打野·2025-03-11 21:08

（Pytorch）动手学深度学习：基础内容（持续更新）

深度学习前言环境安装(Windows)安装anaconda使用conda或miniconda创建环境下载所需的包下载代码并执行(课件代码)关于线性代数内积(数量积、点乘)外积关于数据操作X.sum(0,keepdim=True)和X.sum(1,keepdim=True)广播机制(broadcast)Softmax函数和交叉熵损失函数Softmax函数交叉熵损失函数感知机多层感知机前言之前看吴恩达

孔表表uuu·2025-03-09 01:48

深度学习笔记之自然语言处理(NLP)

自然语言处理部分将包含《动手学深度学习》这本书的第十四章，自然语言处理预训练和第十五章，自然语言处理应用。并且参考原书提供的jupyternotebook资源。

电棍233·2025-02-22 02:10

动手学深度学习V2.0(Pytorch)——25. 使用块的网络 VGG

文章目录P1讲解1.1基本介绍1.2总结P2代码实现2.1报错解决2.2windows下专用/共享GPU内存P3Q&AP4.其他4.1ImageNetClassificationLeaderboard4.2VGG其它讲解P1讲解1.1基本介绍视频地址：https://www.bilibili.com/video/BV1Ao4y117Pd教材文档：https://zh-v2.d2l.ai/chapt

吨吨不打野·2025-02-16 04:58

动手学深度学习笔记|3.2线性回归的从零开始实现（附课后习题答案）

动手学深度学习笔记|3.2线性回归的从零开始实现（附课后习题答案）线性回归的从零开始实现生成数据集读取数据集初始化模型参数定义模型定义损失函数定义优化算法训练练习1.如果我们将权重初始化为零，会发生什么

lusterku·2025-02-15 04:57

【ai】李沐动手深度学学v2 环境安装：anaconda3、pycharm、d2

cuda-toolkitcuda_12.5.0_windows_network.exe官方课程网站第二版资源下载release版本pycharm版本李沐【动手学深度学习v2PyTorch版】课程笔记CUDA

等风来不如迎风去·2025-02-12 15:05

动手学深度学习：3.9 多层感知机的从零开始实现

3.9多层感知机的从零开始实现我们已经从上一节里了解了多层感知机的原理。下面，我们一起来动手实现一个多层感知机。首先导入实现所需的包或模块。importtorchimportnumpyasnpimportsyssys.path.append("..")importd2lzh_pytorchasd2lCopytoclipboardErrorCopied3.9.1获取和读取数据这里继续使用Fashio

AI_Younger_Man·2025-02-10 17:36

线性回归的简单实现

本文是《动手学深度学习》的笔记文章目录线性回归的简单实现生成随机数据集读取数据初始化模型参数定义模型定义损失函数定义优化算法训练模型线性回归的简洁实现生成数据集读取数据定义模型初始化模型参数定义损失函数定义优化算法训练模型线性回归的简单实现用了

SkaWxp·2025-02-03 14:58

《动手学深度学习》(PyTorch版)

《动手学深度学习》PyTorch版前言简介面向人群食用方法方法一方法二方法三目录原书地址引用阅读指南前言读书啦！！！本项目将《动手学深度学习》原书中MXNet代码实现改为PyTorch实现。

chaser&upper·2025-01-28 15:36

动手学深度学习-卷积神经网络-3填充和步幅

目录填充步幅小结在上一节的例子（下图）中，输入的高度和宽度都为3，卷积核的高度和宽度都为2，生成的输出表征的维数为2×2。正如我们在上一节中所概括的那样，假设输入形状为nh×nw，卷积核形状为kh×kw，那么输出形状将是(nh−kh+1)×(nw−kw+1)。因此，卷积的输出形状取决于输入形状和卷积核的形状。还有什么因素会影响输出的大小呢？本节我们将介绍填充（padding）和步幅（stride）

像污秽一样·2025-01-28 00:49

推荐频道