当前位置: 首页 > java >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.xdnf.cn/news/14825.html

相关文章:

  • IDEA中application.yml配置文件不自动提示解决办法
  • 运算方法和运算器补充
  • 【AI大模型面试八股文】大模型训练中如何应对灾难性遗忘问题?
  • Swagger 安装使用教程
  • RabbitMQ 4.1.1初体验
  • 一个简单的分布式追踪系统
  • 区块链技术在物联网(IoT)中的核心应用场景
  • 利用TCP协议,创建一个多人聊天室
  • 图灵完备之路(数电学习三分钟)----数据选择器与总线
  • 本地区块链服务在物联网中的应用实例
  • python打卡day58@浙大疏锦行
  • 暴雨服务器成功中标华中科技大学集成电路学院服务器采购项目
  • JAVA-springboot 整合Redis
  • Go中使用国家新闻出版署实名认证
  • 【ACP】阿里云云计算高级运维工程师--ACP
  • 硬件嵌入式学习路线大总结(一):C语言与linux。内功心法——从入门到精通,彻底打通你的任督二脉!
  • Docker Desktop 安装到D盘(包括镜像下载等)+ 汉化
  • 7.4_面试_JAVA_
  • css-多条记录,自动换行与自动并行布局及gap兼容
  • linux_git的使用
  • 如何调节笔记本电脑亮度?其实有很多种方式可以调整亮度
  • 深入剖析MYSQL MVCC多版本并发控制+ReadView视图快照规避幻读问题
  • AD7780BRUZ-REEL ADI 24位低功耗ADC转换器 高精度传感器信号链一站式解决方案
  • js中的FileReader对象
  • 指针篇(7)- 指针运算笔试题(阿里巴巴)
  • 计算机科学导论(1)哈佛架构
  • 高功率的照明LN2系列助力电子元件薄膜片检测
  • 二叉树题解——验证二叉搜索树【LeetCode】后序遍历
  • 【狂飙AGI】第8课:AGI-行业大模型(系列2)
  • LangChain 全面入门