李沐深度学习PyTorch版001

李沐深度学习PyTorch版001 | [000-0004]

本文主要是介绍李沐深度学习PyTorch版001 | [000-0004]，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1、深度学习简介

2、安装环境

3、数据操作

（1）N维数组

（2）创建数组

① 新建一个张量。

② 通过shape属性来访问张量的形状和张量中元素的总数。

③ 要改变一个张量的形状，而不改变元素的数量和元素值，我们可以通过reshape函数。

④ 使用全0、全1、其他常量或从特定分布中随机采样的数字。

⑤ 通过提供包含数值的Python列表来为所需张量中的每个元素赋予确定值。

⑥ 常见的标准算术运算

⑦ 我们也可以把多个张量连结在一起。编辑

⑧ 通过逻辑运算符构建二元张量编辑

⑨ 对张量中的所有元素进行求和会产生一个只有一个元素的张量。

🔟 广播机制

①① 可以用[-1] 选择最后一个元素，用[1:3]选择第二个和第三个元素。

①② 可以通过指定索引来将元素写入矩阵

①③ 为多个元素赋值相同的值

①④ 一些操作可能会导致为新结果分配内存

①⑤ 执行原地操作 id（x ）不变

①⑥ 转换为Numpy张量

4、数据预处理

（1）创建人工数据集，并存储在csv文件

（2）填充缺失值。

1、深度学习简介

深度学习→神经网络（核心）

书籍📚：《动手学深度学习》（免费书籍）

《动手学深度学习》 — 动手学深度学习 2.0.0 documentationhttps://zh.d2l.ai/

深度学习例子：图片分类、物体检测和分割、样式迁移、人脸合成、文字生成图片、文字生成、无人驾驶。

案例研究：广告点击

触发→点击率预估→排序（点击率x竞价）

预测与训练：

特征提取（广告主、产品描述、产品图片）→模型→点击率预测（p=0.11）

2、安装环境

（1）conda环境

（2）可以使用colab查看《动手学深度学习》 — 动手学深度学习 2.0.0 documentation

（3）课程安排课程安排 - 动手学深度学习课程

3、数据操作

（1）N维数组

0-d 标量、1-d向量、2-d矩阵、3-d RGB图片(宽x高x通道).....

（2）创建数组

（3）代码实战

① 新建一个张量。

② 通过shape属性来访问张量的形状和张量中元素的总数。

③ 要改变一个张量的形状，而不改变元素的数量和元素值，我们可以通过reshape函数。

④ 使用全0、全1、其他常量或从特定分布中随机采样的数字。

⑤ 通过提供包含数值的Python列表来为所需张量中的每个元素赋予确定值。

⑥ 常见的标准算术运算

⑦ 我们也可以把多个张量连结在一起。

⑧ 通过逻辑运算符构建二元张量

⑨ 对张量中的所有元素进行求和会产生一个只有一个元素的张量。

🔟 广播机制

①① 可以用[-1] 选择最后一个元素，用[1:3]选择第二个和第三个元素。

①② 可以通过指定索引来将元素写入矩阵

①③ 为多个元素赋值相同的值

①④ 一些操作可能会导致为新结果分配内存

①⑤ 执行原地操作 id（x ）不变

①⑥ 转换为Numpy张量

4、数据预处理

（1）创建人工数据集，并存储在csv文件

# 创建一个人工数据集，并存储在csv（逗号分隔值）文件
import osos.mkdir('data_test02')  # 创建同级文件夹 data_test02
data_file = os.path.join('.','data_test02','house_tiny.csv')   # 创建目录  ./data_test02/house_tint.csv
with open(data_file, 'w') as f:f.write('NumRooms, Alley, Price\n')  # 列名f.write('NA,Pave,127500\n') # m每行表示一个数据样本f.write('2,NA,106000\n')f.write('4,NA,178100\n')f.write('NA,NA,140000\n')# 从创建的csv文件中加载原始数据集
import pandas as pd
data = pd.read_csv(data_file)
print(data)

（2）填充缺失值。

这篇关于李沐深度学习PyTorch版001 | [000-0004]的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

李沐深度学习PyTorch版001 | [000-0004]

1、深度学习简介

2、安装环境