AncilunKiang

摘要： # 3.4.1 分类问题 整节理论知识，详见书本。 # 3.4.2 网络架构 整节理论知识，详见书本。 # 3.4.3 全连接层的参数开销 整节理论知识，详见书本。 # 3.4.4 softmax运算 整节理论知识，详见书本。 # 3.4.5 小批量样本的向量化 整节理论知识，详见书本。 # 3.4 阅读全文

摘要： ```python import numpy as np import torch from torch.utils import data from d2l import torch as d2l from torch import nn # nn 是神经网络（Neural Networks）的缩 阅读全文

摘要： ```python %matplotlib inline import random import torch from d2l import torch as d2l ``` # 3.2.1 生成数据集 为了简单起见，使用易于可视化的低维数据。使用线性模型 $\boldsymbol{y}=\bol 阅读全文

摘要： # 3.1.1 线性回归的基本元素 整节理论知识，详见书本。 # 3.1.2 向量加速化 ```python %matplotlib inline import math import time import numpy as np import torch from d2l import torc 阅读全文

摘要： # 2.7.1 查找模块中的所有函数和类 ```python import torch ``` 可以调用 dir 函数查询函数中有哪些模块和类。 以 “__”（双下划线） 开始和结束的函数是 Python 中的特殊对象，以 “_”（单下划线）开始的函数是内部函数，通常以上两种函数可以忽略。 ```p 阅读全文

摘要： # 2.6.1 基本概率论 ```python %matplotlib inline import torch from torch.distributions import multinomial from d2l import torch as d2l ``` 先说几个统计学中的名词： - 抽样 阅读全文

摘要： # 2.5.1 一个简单的例子 ```python import torch ``` 假设我们函数 $y=2x^Tx$ 关于列向量 $x$ 求导。 ```python x = torch.arange(4.0) x.requires_grad_(True) # 自动求导机制的必要参数 此处两句等效于 阅读全文

摘要： # 2.4.1 导数和微分 导数是啥无需多讲，可以代码实现求 $f(x)=3x^2-4x$ 在 $x=1$ 处的导数的趋近值 ```python %matplotlib inline import numpy as np from matplotlib_inline import backend_i 阅读全文

摘要： # 2.3.1 标量 ```python import torch ``` 标量由只有一个元素的张量表示，可进行熟悉的算数运算。 ```python x = torch.tensor(3.0) y = torch.tensor(2.0) x, y, x+y, x*y, x/y, x**y ``` ( 阅读全文

摘要： # 2.2.1 读取数据集 ```python import os import pandas as pd import torch ``` 创建一个人工数据集并存储在CSV文件../data/house_tiny.csv中。 调用 read_csv 函数读出该文件 ```python os.mak 阅读全文