动手专题
动手学深度学习（Pytorch版）代码实践 -计算机视觉-37微调
37微调 import osimport torchimport torchvisionfrom torch import nnimport liliPytorch as lpimport matplotlib.pyplot as pltfrom d2l import torch as d2l# 获取数据集d2l.DATA_HUB['hotdog'] = (d2l.DATA_U
动手学深度学习（Pytorch版）代码实践 -计算机视觉-36图像增广
6 图片增广 import matplotlib.pyplot as pltimport numpy as npimport torch import torchvisionfrom d2l import torch as d2lfrom torch import nn from PIL import Imageimport liliPytorch as lpfrom tor
动手学深度学习（Pytorch版）代码实践 -卷积神经网络-27含并行连结的网络GoogLeNet
27含并行连结的网络GoogLeNet import torchfrom torch import nnfrom torch.nn import functional as Fimport liliPytorch as lpimport matplotlib.pyplot as pltclass Inception(nn.Module):# c1--c4是每条路径的输出通道数def
动手学深度学习（Pytorch版）代码实践 -卷积神经网络-28批量规范化
28批量规范化 """可持续加速深层网络的收敛速度"""import torchfrom torch import nnimport liliPytorch as lpimport matplotlib.pyplot as pltdef batch_norm(X, gamma, beta, moving_mean, moving_var, eps, momentum):"""实现一个具有
动手学深度学习（Pytorch版）代码实践 -卷积神经网络-23卷积神经网络LeNet
23卷积神经网络LeNet import torchfrom torch import nnimport liliPytorch as lpimport matplotlib.pyplot as plt# 定义一个卷积神经网络net = nn.Sequential(nn.Conv2d(1, 6, kernel_size=5, padding=2), # 卷积层1：输入通道数1，输出
动手学深度学习（Pytorch版）代码实践 -卷积神经网络-24深度卷积神经网络AlexNet
24深度卷积神经网络AlexNet import torchfrom torch import nnimport liliPytorch as lpimport liliPytorch as lpimport matplotlib.pyplot as pltdropout1 = 0.5#Alexnet架构net = nn.Sequential(nn.Conv2d(1, 96, k
动手学深度学习（Pytorch版）代码实践 -卷积神经网络-14模型构造
14模型构造 import torchfrom torch import nnfrom torch.nn import functional as F#通过实例化nn.Sequential来构建我们的模型， 层的执行顺序是作为参数传递的net1 = nn.Sequential(nn.Linear(20, 256), nn.ReLU(), nn.Linear(256,10))"""nn.
动手学深度学习（Pytorch版）代码实践 -卷积神经网络-16自定义层
16自定义层 import torchimport torch.nn.functional as Ffrom torch import nnclass CenteredLayer(nn.Module):def __init__(self):super().__init__()#从其输入中减去均值#X.mean() 计算的是整个张量的均值#希望计算特定维度上的均值，可以传递 dim 参数。#例
动手学深度学习51 序列模型
第八章 循环神经网络 8.1 序列模型 1. 序列模型2. 代码3. QA 1. 序列模型 T 个时间 机器学习模型对 P x P_x Px建模 联合概率用条件概率展开 反过来先算-反序：已知X_T推前面发生的【RNN可以正可以反】 自回归：给一些数据，用数据前面的部分数据做预测，对见过的数据建模 核心：1. 怎么算前面数据的f 2. 怎么算P 固定 τ τ τ
动手实现react Modal组件
Modal组件 长话不多说，接下来让我们来动手实现一个react Modal组件。 我们先来看一下实际效果 Modal的布局 首先，让我们先思考下一个Modal组件的布局是怎么样的。 我们先拿一个基本的Modal样例来分析下。 如上图所示，一个Modal组件可以分为mask、header、body和footer四部分，mask就不用说了，header主要是显示title和关闭按钮，bo
Android——使用多状态按钮ToggleButton(自己动手 丰衣足食)
最近在看慕课网的Android教程，其中的一节主要介绍开关按钮ToggleButton的 有一个小例子，控制灯泡的开关，下边是代码，（虽然很简单，但还是困难重重，先是clean clean 再clean把R文件都弄没啦，导入照片的时候自己不懂在每个文件夹下都导入了照片，以为分辨率不同的照片系统会自己选择，没想到只要一个就行） 布局文件layout： <?xml version
[动手学大模型应用开发第一章笔记] 大模型简介
动手学大模型应用开发学习资料地址 之前对 LLM、RAG 和 LangChain 有过一定的了解，本章的主要收获是： 了解了 LLM 应用开发的整体流程，在完成设计和架构搭建后，针对 Bad Case 进行 Prompt 迭代是十分重要的一环。了解了向量数据库在大模型时代的优势，以及一些常见的向量数据库。向量数据库学习资料之前多模态研究主要偏视觉这块，所以第一次听说 NLTK 这个库，大概了解了
动手学深度学习（Pytorch版）代码实践 -深度学习基础-08多层感知机简洁版
08多层感知机简洁版 import torchfrom torch import nnfrom d2l import torch as d2limport liliPytorch as lpnet = nn.Sequential(nn.Flatten(),nn.Linear(784,256),nn.ReLU(),nn.Linear(256,10) )#函数接受一个参数 m，通常是一个神
动手学深度学习（Pytorch版）代码实践 -深度学习基础-05Softmax回归基础版
05Softmax回归基础版 主要内容 初始化模型参数：定义输入和输出的维度，初始化权重 W 和偏置 b。定义Softmax函数：实现 Softmax函数，将输入的每个元素转换为概率。定义模型：实现Softmax回归模型，将每个图像展平为向量并计算输出。定义损失函数：实现交叉熵损失函数。定义分类精度计算函数：计算预测正确的数量。定义累加器类：用于对多个变量进行累加。定义精度评估函数：计算模型在
【C++11】深入剖析lambda仿函数的原理，自己动手实现std::function容器
文章目录 参考 参考 【C++11】深入剖析lambda仿函数的原理，自己动手实现std::function容器实现自定义的Function
通过使用策略模式模拟实现Java线程池逻辑和研究线程池的实现原理，自己一定要动手写一下才知道里面的奥妙。
前几天写了一个固定大小的连接池，今天通过学习又整理一下线程池的实现逻辑，看完这片代码，Java线程池的基本思想你就能完全hold住，离着高级程序员又近一步，欢迎大家参考和交流。 package com.smallfan.connectionpool;import lombok.extern.slf4j.Slf4j;import java.util.ArrayDeque;import java
《SSO系列二》自己动手写一个SSO
概述 上篇博客http://blog.csdn.net/bingospunky中大概的介绍了一下SSO。这篇文章介绍一个我学习过程中写的一个Demo，可以让初学者对SSO有一个整体的认识。 线上演示 我已经把我这个Demo部署在我的服务器上，你可以按照如下步骤体验。(需要翻墙) 1.两个业务的地址分别是 http://taobao.mabinbin.com/bzi1/user/index
1.动手学习深度学习课程安排及深度学习数学基础
视频资源B站：动手学习深度学习——李沐 目录 目标内容将学到什么1.N维数组样例2.访问2维数组元素3.数据操作4.线性代数5.矩阵计算6.自动求导 目标 介绍深度学习景点和最新模型 LeNet AlexNet VGG ResNet LSTM BERT… 机器学习基础 损失函数，目标函数，过拟合，优化 实践 使用pytorch实现介绍的知识点在真实数据上体验算法效果 内容
动手学深度学习33 单机多卡并行
单机多卡并行 更多的芯片 https://courses.d2l.ai/zh-v2/assets/pdfs/part-2_2.pdf 多GPU训练 https://courses.d2l.ai/zh-v2/assets/pdfs/part-2_3.pdf 当transformer模型很大，有100GB的时候只能用模型并行。 数据并行，拿的参数是完整的？ QA 1 当有一块卡显
动手学深度学习4.10 实战Kaggle比赛：预测房价-笔记练习（PyTorch）
以下内容为结合李沐老师的课程和教材补充的学习笔记，以及对课后练习的一些思考，自留回顾，也供同学之人交流参考。 本节课程地址：实战 Kaggle 比赛：预测房价_哔哩哔哩_bilibili 本节教材地址：4.10. 实战Kaggle比赛：预测房价 — 动手学深度学习 2.0.0 documentation (d2l.ai) 本节开源代码：...>d2l-zh>pytorch>chapter_m
动手学深度学习29 残差网络ResNet
动手学深度学习29 残差网络ResNet ResNet代码ReLU的两种调用1. 使用 `torch.nn.ReLU` 模块2. 使用 `torch.nn.functional.relu` 函数总结 QA29.2 ResNet 为什么能训练处1000层的模型ResNet的梯度计算怎么处理梯度消失的 QA ResNet 更复杂模型包含小模型，不一定改进，但是加更深的层更复杂的
动手造一个vue的loading插件
在一般的vue项目中，都会用到Loading或者Alert之类的弹窗浮层，而他们是一种比较高频率出现的组件。 一般情况下，我们都会去直接import该组件，然后直接以标签的形式引用进去当前页面组件中，如下图： 这种是我们比较常用的一种方法，它的好处就是让我们比较直观地对组件进行调用， 方便地通过标签上的属性动态地传给该组件，或者去获取子组件e
动手学深度学习——Kaggle小白入门
1. kaggle注册 注册网址：https://www.kaggle.com 注册账号不需要代理，但手机号验证需要代理。如果要使用GPU或TPU，则需要进行手机号验证。 手机号验证位置：右上角头像的settings界面。 手机号验证时会有几个问题： 无验证码，提示：Captcha must be filled out. 原因：人机验证组件在国内被拦截，所以看不到验证按钮，需要
深度学习动手项目汇总
1 风格迁移 paper: A Neural Algorithm of Artistic Style,CVPR 15Image Style Transfer Using Convolutional Neural Networks, CVPR16Perceptual Losses for Real-Time Style Transfer and Super-Resolution, ECCV16
【动手学深度学习】使用块的网络（VGG）的研究详情
目录 🌊1. 研究目的 🌊2. 研究准备 🌊3. 研究内容 🌍3.1 多层感知机模型选择、欠拟合和过拟合 🌍3.2 练习 🌊4. 研究体会 🌊1. 研究目的 理解块的网络结构；比较块的网络与传统浅层网络的性能差异；探究块的网络深度与性能之间的关系；研究块的网络在不同任务上的适用性。 🌊2. 研究准备 根据GPU安装pytorch版本