书栈网 · BookStack 本次搜索耗时 0.025 秒,为您找到 179 个相关结果.
  • 2.2. 数据操作

    2851 2019-06-05 《动手学深度学习》
    2.2. 数据操作 2.2.1. 创建NDArray 2.2.2. 运算 2.2.3. 广播机制 2.2.4. 索引 2.2.5. 运算的内存开销 2.2.6. NDArray和NumPy相互变换 2.2.7. 小结 2.2.8. 练习 2.2. 数据操作 在深度学习中,我们通常会频繁地对数据进行操作。作为动手学深度学习的基础,本节将...
  • Getting Started with Katib

    Getting Started with Katib Katib setup Installing Katib Setting up persistent volumes Accessing the Katib UI Examples Example using random algorithm TensorFlow example PyTorc...
  • 8. 计算性能

    1414 2019-06-05 《动手学深度学习》
    8. 计算性能 8. 计算性能 在深度学习中,数据集通常很大而且模型计算往往很复杂。因此,我们十分关注计算性能。本章将重点介绍影响计算性能的重要因子:命令式编程、符号式编程、异步计算、自动并行计算和多GPU计算。通过本章的学习,你将很可能进一步提升前几章已实现的模型的计算性能,例如,在不影响模型精度的前提下减少模型的训练时间。 8.1. 命令式和...
  • 4.3. 模型参数的延后初始化

    4.3. 模型参数的延后初始化 4.3.1. 延后初始化 4.3.2. 避免延后初始化 4.3.3. 小结 4.3.4. 练习 4.3. 模型参数的延后初始化 如果做了上一节练习,你会发现模型net 在调用初始化函数initialize 之后、在做前向计算net(X) 之前时,权重参数的形状中出现了0。虽然直觉上initialize 完成了所...
  • 简介

    简介 面向人群 食用方法 方法一 方法二 目录 原书地址 引用 本项目 将《动手学深度学习》 原书中MXNet代码实现改为PyTorch实现。原书作者:阿斯顿·张、李沐、扎卡里 C. 立顿、亚历山大 J. 斯莫拉以及其他社区贡献者,GitHub地址:https://github.com/d2l-ai/d2l-zh 此书的中 英 ...
  • 7.3. 小批量随机梯度下降

    1727 2019-06-05 《动手学深度学习》
    7.3. 小批量随机梯度下降 7.3.1. 读取数据 7.3.2. 从零开始实现 7.3.3. 简洁实现 7.3.4. 小结 7.3.5. 练习 7.3.6. 参考文献 7.3. 小批量随机梯度下降 在每一次迭代中,梯度下降使用整个训练数据集来计算梯度,因此它有时也被称为批量梯度下降(batchgradientdescent)。而随机梯度...
  • 5.5. 卷积神经网络(LeNet)

    2182 2019-06-05 《动手学深度学习》
    5.5. 卷积神经网络(LeNet) 5.5.1. LeNet模型 5.5.2. 获取数据和训练模型 5.5.3. 小结 5.5.4. 练习 5.5.5. 参考文献 5.5. 卷积神经网络(LeNet) 在“多层感知机的从零开始实现” 一节里我们构造了一个含单隐藏层的多层感知机模型来对Fashion-MNIST数据集中的图像进行分类。每张图...
  • 5.7. 使用重复元素的网络(VGG)

    1383 2019-06-05 《动手学深度学习》
    5.7. 使用重复元素的网络(VGG) 5.7.1. VGG块 5.7.2. VGG网络 5.7.3. 获取数据和训练模型 5.7.4. 小结 5.7.5. 练习 5.7.6. 参考文献 5.7. 使用重复元素的网络(VGG) AlexNet在LeNet的基础上增加了3个卷积层。但AlexNet作者对它们的卷积窗口、输出通道数和构造顺序均...
  • 5.12. 稠密连接网络(DenseNet)

    1683 2019-06-05 《动手学深度学习》
    5.12. 稠密连接网络(DenseNet) 5.12.1. 稠密块 5.12.2. 过渡层 5.12.3. DenseNet模型 5.12.4. 获取数据并训练模型 5.12.5. 小结 5.12.6. 练习 5.12.7. 参考文献 5.12. 稠密连接网络(DenseNet) ResNet中的跨层连接设计引申出了数个后续工作。本节...
  • 5.8. 网络中的网络(NiN)

    1298 2019-06-05 《动手学深度学习》
    5.8. 网络中的网络(NiN) 5.8.1. NiN块 5.8.2. NiN模型 5.8.3. 获取数据和训练模型 5.8.4. 小结 5.8.5. 练习 5.8.6. 参考文献 5.8. 网络中的网络(NiN) 前几节介绍的LeNet、AlexNet和VGG在设计上的共同之处是:先以由卷积层构成的模块充分抽取空间特征,再以由全连接层构...