从2到3的沐慕

摘要： 【插入在编译之前】 【动作标记在每次都有起作用】 【forward是跳转】 【虽然在第一个文件中 下面那一行在后面 但是还是可以被调用过去上一行的】 【先获取出字符串 用request 然后再转化为数字 用integer.parseint】 【刚才那个是静态包含 所以在一开始的时候就2个文件放在一起 阅读全文

摘要： 摘抄自https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter03_DL-basics/3.5_fashion-mnist 在介绍softmax回归的实现前我们先引入一个多类图像分类数据集。它将在后面的章节中被多次使用，以方便我们观察比较算法之间在模型 阅读全文

摘要： 摘抄自https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter03_DL-basics/3.4_softmax-regression 3.4 softmax回归 前几节介绍的线性回归模型适用于输出为连续值的情景。在另一类情景中，模型输出可以是一个像图像 阅读全文

摘要： 摘抄自https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter03_DL-basics/3.3_linear-regression-pytorch 3.3.1 生成数据集 我们生成与上一节中相同的数据集。其中features是训练数据特征，labels 阅读全文

摘要： 摘抄自https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter03_DL-basics/3.2_linear-regression-scratch 3.2.3 初始化模型参数 我们将权重初始化成均值为0、标准差为0.01的正态随机数，偏差则初始化成0。 阅读全文

摘要： 摘抄自https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter03_DL-basics/3.2_linear-regression-scratch 3.2 线性回归的从零开始实现 在了解了线性回归的背景知识之后，现在我们可以动手实现它了。尽管强大的深度 阅读全文

摘要： 摘抄自https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter03_DL-basics/3.1_linear-regression 3.1 线性回归 线性回归输出是一个连续值，因此适用于回归问题。回归问题在实际中很常见，如预测房屋价】格、气温、销售额等 阅读全文

摘要： 摘抄自 https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter02_prerequisite/2.3_autograd PyTorch提供的autograd包能够根据输入和前向传播过程自动构建计算图，并执行反向传播。 2.3.1 概念 上一节介绍的T 阅读全文

摘要： 数据操作 摘抄自https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter02_prerequisite/2.2_tensor 在PyTorch中，torch.Tensor是存储和变换数据的主要工具。如果你之前用过NumPy，你会发现Tensor和Num 阅读全文