10 2021 档案

python安装指南-Anaconda,python,jupyter
摘要：一、 Anaconda安装 安装过程 下载安装程序 https://www.anaconda.com/products/individual 下载之后，点击Anaconda3-2019.07-windwos-x86_64.exe这个安装文件进行安装，选择路径，勾选加入环境变量（就不需要自己配置了）， 阅读全文
posted @ 2021-10-31 20:01 Trouvaille_fighting 阅读(179) 评论(0) 推荐(0)
容器、虚拟机、虚拟环境的区别
摘要：1 容器和虚拟机的区别 虚拟机是操作系统级别的资源隔离，而容器本质上是进程级的资源隔离。 2 虚拟机和虚拟环境的区别 虚拟环境是为了隔绝用户的多个运行环境，避免冲突。 虚拟机是为了隔绝多个用户之间的操作环境，避免冲突。 阅读全文
posted @ 2021-10-30 11:48 Trouvaille_fighting 阅读(851) 评论(0) 推荐(0)
FinalShell上安装Docker-Linux版本
摘要：参考链接： https://blog.csdn.net/weixin_45425561/article/details/105806606 https://www.cnblogs.com/aerospace191/p/13985517.html 阅读全文
posted @ 2021-10-30 11:42 Trouvaille_fighting 阅读(628) 评论(0) 推荐(0)
动手学深度学习v2-09-02-损失函数
摘要：一、损失函数 均方损失（L2 Loss）: 绝对值损失函数（L1 Loss）： 哈勃鲁棒损失（Huber's Robust Loss）: 阅读全文
posted @ 2021-10-29 20:30 Trouvaille_fighting 阅读(76) 评论(0) 推荐(0)
动手学深度学习v2-09-01-Softmax回归
摘要：一、softmax回归 softmax回归实际上是用于解决分类问题的。 1. 回归和分类的区别 2.如何从回归转换到分类 3.分类问题 一般的分类问题并不与类别之间的自然顺序有关。 发明了一种表示分类数据的简单方法：独热编码（one-hot encoding）。独热编码是一个向量，它的分量和类别一样 阅读全文
posted @ 2021-10-29 20:11 Trouvaille_fighting 阅读(126) 评论(0) 推荐(0)
1如何读论文
摘要：阅读步骤 对勾表示需要读的 阅读全文
posted @ 2021-10-26 21:49 Trouvaille_fighting 阅读(66) 评论(0) 推荐(0)
动手学深度学习v2-08-3-线性回归的简洁实现
摘要：线性回归的简洁实现 使用开源框架实现： 通过张量来进行数据存储和线性代数 通过自动微分来计算梯度 1 生成数据集 import numpy as np import torch from torch.utils import data from d2l import torch as d2l tru 阅读全文
posted @ 2021-10-08 10:26 Trouvaille_fighting 阅读(143) 评论(0) 推荐(0)
TypeError: 'method' object is not iterable
摘要：问题：TypeError: 'method' object is not iterable 解决办法:加括号 阅读全文
posted @ 2021-10-08 09:48 Trouvaille_fighting 阅读(3033) 评论(0) 推荐(0)
IndentationError: unexpected indent
摘要：问题：IndentationError: unexpected indent 解决办法：查看缩进格式 阅读全文
posted @ 2021-10-07 20:02 Trouvaille_fighting 阅读(133) 评论(0) 推荐(0)
动手学深度学习v2-08-2 线性回归的从零开始实现
摘要：线性回归的从零开始实现 1 生成数据集 导入需要的包 %matplotlib inline #默认嵌入到matplotlib里面 import random import torch from d2l import torch as d2l 构造数据集 def synthetic_data(w,b, 阅读全文
posted @ 2021-10-07 20:01 Trouvaille_fighting 阅读(237) 评论(0) 推荐(0)
动手学深度学习v2-08-1 线性回归+基础优化算法
摘要：一、线性回归 1 线性模型 2 线性模型可以看成单层神经网络 3 神经网络源于神经科学 4 衡量预测质量 平方损失 5 案例-房价预测 (1) 简化模型 (2) 训练数据 (3) 参数学习 (4) 显示解 6 总结 二、基础优化方法 1 梯度下降 (1) 基本步骤 (2) 选择学习率 2 小批量随机 阅读全文
posted @ 2021-10-07 12:04 Trouvaille_fighting 阅读(118) 评论(0) 推荐(0)
动手学深度学习v2-07-2查阅文档
摘要：查阅文档 1 查找模块中的所有函数和类 查询随机数生成模块中的所有属性： import torch print(dir(torch.distributions)) 2 查找特定函数和类的用法 调用help函数。例如，我们来查看张量ones函数的用法。 help(torch.ones) 阅读全文
posted @ 2021-10-05 16:20 Trouvaille_fighting 阅读(71) 评论(0) 推荐(0)
动手学深度学习v2-07-1自动求导
摘要：自动求导 深度学习框架通过自动计算导数，即自动求导（automatic differentiation），来加快这项工作。 根据我们设计的模型，系统会构建一个计算图，来跟踪计算是哪些数据通过哪些操作组合起来产生输出。 自动求导使系统能够随后反向传播梯度 反向传播只是意味着跟踪整个计算图，填充关于每个 阅读全文
posted @ 2021-10-05 16:06 Trouvaille_fighting 阅读(217) 评论(0) 推荐(0)
动手学深度学习v2-05-2微分
摘要：微分 1 标量导数 2 亚导数 3 梯度 阅读全文
posted @ 2021-10-05 11:39 Trouvaille_fighting 阅读(59) 评论(0) 推荐(0)
动手学机器学习v2-05-1线性代数
摘要：线性代数 1 标量 标量由只有一个元素的张量表示。 # 标量的基本运算 import torch x=torch.tensor([3.0]) y=torch.tensor([2.0]) x+y,x*y,x/y,x**y 2 向量 将向量视为标量值组成的列表 将这些标量值称为向量的元素（element 阅读全文
posted @ 2021-10-04 21:38 Trouvaille_fighting 阅读(220) 评论(0) 推荐(0)
cv比赛-人脸检测
摘要：任务合集 1 任务1 1.1 读取比赛数据集 import pandas as pd import numpy as np # 1 获取数据集 train_df=pd.read_csv('data/face/train.csv') #数据集的地址 # 2 读取训练集图片数据，维度为96*96&500 阅读全文
posted @ 2021-10-03 22:24 Trouvaille_fighting 阅读(111) 评论(0) 推荐(0)
动手学机器学习v2-04-2数据预处理
摘要：数据预处理 1 读取数据集 判断路径下是否有data命名的文件夹，没有的话，创建文件house_tiny.csv，打开文件并进行写操作 import os os.makedirs(os.path.join('..', 'data'), exist_ok=True) data_file = os.pa 阅读全文
posted @ 2021-10-03 11:15 Trouvaille_fighting 阅读(154) 评论(0) 推荐(0)
动手学机器学习v2-04-1数据操作
摘要：数据操作 1. N维数组（张量） 张量类 在MXNet中为ndarray 在PyTorch和TensorFlow中为Tensor 无论使用哪个深度学习框架，它的张量类都与Numpy的ndarray类似，但要多一些重要功能： GPU很好地支持加速计算，而NumPy仅支持CPU计算； 张量类支持自动微分 阅读全文
posted @ 2021-10-02 23:52 Trouvaille_fighting 阅读(136) 评论(0) 推荐(0)