当前位置: 首页 > news >正文

动手学深度学习-学习笔记(总)

文章目录

  • 1、概述
  • 2、内容
    • 2.1、python
    • 2.2、动手学深度学习
      • 2.2.1、课前准备
      • 2.2.2、预备知识
      • 2.2.3、线性神经网络
  • 3、常见问题
    • 3.1、安装 d2l 失败
    • 3.2、调用 mean() 方法报错
    • 3.3、markdown 常见公式
    • 3.4、执行动手学深度学习中的代码,无法显示图片
    • 3.5、XX

1、概述

本篇博客用来记录,我学习《动手学深度学习》的过程和笔记
本篇博客主要是整体的博客内容

2、内容

2.1、python

python 有关于深度学习的学习笔记
python学习笔记(深度学习)

2.2、动手学深度学习

2.2.1、课前准备

链接
动手学深度学习-学习笔记【一】(学习前准备)

内容
安装 pytorch 和 pycharm


2.2.2、预备知识

链接
动手学深度学习-学习笔记【二】(基础知识)

内容
学习深度学习的一些预备知识,包括数据操作,线性代数,微积分,概率论等


2.2.3、线性神经网络

链接
动手学深度学习-学习笔记【三】(线性神经网络)

内容
主要介绍线性神经网络,训练过程,代码实现,原理等


3、常见问题

3.1、安装 d2l 失败

【问题现象】
在 conda 的 python 环境中安装 d2l 失败,报错
AttributeError: module 'pkgutil' has no attribute 'ImpImporter'. Did you mean: 'zipimporter'?

在这里插入图片描述


【问题原因】
python 版本不支持


【解决办法】
使用 conda 安装一个新的 python 环境,使用 python-3.9
执行命令
conda create -n d2l python=3.9 -y
conda activate d2l


3.2、调用 mean() 方法报错

【问题现象】

调用 mean() 方法报错 RuntimeError: mean(): could not infer output dtype. Input dtype must be either a floating point or complex dtype. Got: Long

在这里插入图片描述


【问题原因】

此错误表明你在调用 torch.mean() 时,输入的张量数据类型是 整数型(torch.long),而 torch.mean() 只能接受 浮点型(float 或 double)或复数型 的张量。


【解决办法】

将输入张量修改为浮点数类型

import torchA = torch.arange(20, dtype=torch.float32).reshape(5, 4)
print(A)
# tensor([[ 0,  1,  2,  3],
#         [ 4,  5,  6,  7],
#         [ 8,  9, 10, 11],
#         [12, 13, 14, 15],
#         [16, 17, 18, 19]])print(A.mean())              # tensor(9.5000)

3.3、markdown 常见公式

【问题现象】

markdown 的常见公式


【问题原因】


【解决办法】

  1. 行内公式
    我们知道圆的面积公式是 S = π r 2 S = \pi r^2 S=πr2,其中 r r r 是圆的半径。
  2. 块级公式
    F = m a F = ma F=ma
  3. 上下标
    x 2 x^2 x2 表示平方, a i j a_{ij} aij 表示矩阵元素。
  4. 分数
    1 2 \frac{1}{2} 21 a + b c − d \frac{a + b}{c - d} cda+b
  5. 根号
    2 \sqrt{2} 2 x 3 \sqrt[3]{x} 3x
  6. 积分和求和
    ∫ a b f ( x ) d x \int_{a}^{b} f(x) \, dx abf(x)dx
    ∑ i = 1 n i = n ( n + 1 ) 2 \sum_{i=1}^{n} i = \frac{n(n+1)}{2} i=1ni=2n(n+1)
  7. 希腊字母
    α , β , γ , δ , ϵ , π , η , μ , σ \alpha, \beta, \gamma, \delta, \epsilon, \pi,\eta,\mu,\sigma α,β,γ,δ,ϵ,πημσ
  8. 一元二次方程组
    x = − b ± b 2 − 4 a c 2 a x = \frac{-b \pm \sqrt{b^2 - 4ac}}{2a} x=2ab±b24ac
  9. 偏导数
    ∂ f ∂ x \frac{\partial f}{\partial x} xf
  10. 平方误差公式
    l i ( w , b ) = 1 2 ∗ ( y ^ i − y i ) 2 l^i(w, b) = \frac{1}{2} * (\hat{y}^i - y^i)^2 li(w,b)=21(y^iyi)2
  11. 向左边的箭头
    ← \leftarrow
  12. 属于
    ∈ \in
  13. 取最大值
    arg ⁡ max ⁡ x ( 1 + 2 ) \arg\max_{x} (1+2) argxmax(1+2)
  14. 连续乘法
    ∏ k = 1 5 k \prod_{k=1}^{5} k k=15k
  15. 公式对齐
    y = x = 1 \begin{align} y &= x \\ &= 1 \end{align} y=x=1
  16. 约等于
    1.0 ≈ 1 1.0 \approx 1 1.01

3.4、执行动手学深度学习中的代码,无法显示图片

【问题现象】
执行动手学深度学习中的代码,无法显示图片


【问题原因】
在 Jupyter Notebook 中,%matplotlib inline 会自动显示图像,但 PyCharm 默认需要显式调用 plt.show() 才能渲染图像。


【解决办法】

在 PyCharm 中添加如下代码即可

from matplotlib import pyplot as plt...plt.show()

3.5、XX

【问题现象】


【问题原因】


【解决办法】


http://www.dtcms.com/a/267423.html

相关文章:

  • Kali Linux Wifi 伪造热点
  • 基于Java+SpringBoot的三国之家网站
  • 嵌入式系统内核镜像相关(十二)
  • Flink-Source算子点位提交问题(Earliest)
  • 力扣 hot100 Day35
  • STM32中实现shell控制台(命令解析实现)
  • MySQL回表查询深度解析:原理、影响与优化实战
  • 从UI设计到数字孪生实战部署:构建智慧城市的智慧照明系统
  • 【项目笔记】高并发内存池项目剖析(三)
  • NX二次开发——NX二次开发-检查点是否在面上或者体上
  • MPLS 多协议标签交换
  • Python实例题:基于 Python 的简单聊天机器人
  • springsecurity5配置之后启动项目报错:authenticationManager cannot be null
  • LangChain4j 框架模仿豆包实现智能对话系统:架构与功能详解
  • windows 安装 wsl
  • 基于matlab卡尔曼滤波器消除噪声
  • 点击方块挑战小游戏流量主微信小程序开源
  • Java+Vue开发的进销存ERP系统,集采购、销售、库存管理,助力企业数字化运营
  • 浏览器与服务器的交互
  • 深度学习图像分类数据集—百种鸟类识别分类
  • STM32中实现shell控制台(shell窗口输入实现)
  • 结构型智能科技的关键可行性——信息型智能向结构型智能的转变(修改提纲)
  • rk3128 emmc显示剩余容量为0
  • kubectl exec 遇到 unable to upgrade connection Forbidden 的解决办法
  • 浅度解读-(未完成版)浅层神经网络-多个隐层神经元
  • 解决el-select数据类型相同但是显示数字的问题
  • Python-函数、参数及参数解构-返回值作用域-递归函数-匿名函数-生成器-学习笔记
  • 从数据洞察到设计创新:UI前端如何利用数字孪生提升用户体验?
  • 【算法笔记】4.LeetCode-Hot100-数组专项
  • 操作系统---I/O核心子系统与磁盘