AncilunKiang

摘要： 6.1.1 不变性 平移不变性（translation invariance）： 不管检测对象出现在图像中的哪个位置，神经网络的前面几层应该对相同的图像区域具有相似的反应，即为“平移不变性”。 局部性（locality）： 神经网络的前面几层应该只探索输入图像中的局部区域，而不过度在意图像中相隔较远 阅读全文

摘要： 5.6.1 计算设备 import torch from torch import nn torch.device('cpu'), torch.device('cuda:0') # cuda等价于cuda:0（只有一块显卡没法试别的块号） (device(type='cpu'), device(ty 阅读全文

摘要： 5.5.1 加载和保存 import torch from torch import nn from torch.nn import functional as F x = torch.arange(4) torch.save(x, 'x-file') # 使用 save 保存 x2 = torch 阅读全文

摘要： 5.4.1 不带参数的层 import torch import torch.nn.functional as F from torch import nn class CenteredLayer(nn.Module): def __init__(self): super().__init__() 阅读全文

摘要： import torch from torch import nn from d2l import torch as d2l 下面实例化的多层感知机的输入维度是未知的，因此框架尚未初始化任何参数，显示为“UninitializedParameter”。 net = nn.Sequential(nn. 阅读全文

摘要： import torch from torch import nn net = nn.Sequential(nn.Linear(4, 8), nn.ReLU(), nn.Linear(8, 1)) X = torch.rand(size=(2, 4)) net(X) tensor([[-0.3771 阅读全文

摘要： 层： 接收一组输入 生成相应输出 由一组可调整参数描述 块： 可以描述单个层、由多个层组成的组件或整个模型本身 讨论“比单个层大”但是“比整个模型小”的组件“块”更有价值 从编程的角度看，块由类表示 块必须具有反向传播函数 # 以前章多层感知机的代码为例 import torch from torc 阅读全文

摘要： # 4.10.1 下载和缓存数据集 ```python import hashlib import os import tarfile import zipfile import requests #@save DATA_HUB = dict() DATA_URL = 'http://d2l-dat 阅读全文

摘要： # 4.9.1 分布偏移的类型 整节理论，详见书本。 # 4.9.2 分布偏移示例 整节理论，详见书本。 # 4.9.3 分布偏移纠正 整节理论，详见书本。 # 4.9.4 学习问题的分类法 整节理论，详见书本。 # 4.9.5 机器学习中的公平、责任和透明度 整节理论，详见书本。 # 练习 （1） 阅读全文

摘要： # 4.8.1 梯度消失和梯度爆炸 整节理论，详见书本。 1. 梯度消失 ```python %matplotlib inline import torch from d2l import torch as d2l x = torch.arange(-8.0, 8.0, 0.1, requires_ 阅读全文