档案 | 使用 PyTorch 进行深度学习

训练数据是机器学习算法用于学习的数据集。它也被称为训练集。验证数据是机器学习算法用于测试其准确性的数据集之一。验证算法的性能是将其预测输出与已知的真实情况进行比较 […]

优化是一个我们试图为深度学习模型找到最佳参数集的过程。优化器生成新的参数值，并使用某个标准来评估它们，以确定最佳选项。作为神经网络架构的重要组成部分，优化器有助于确定最佳权重、偏差或其他超参数 […]

小批量梯度下降是梯度下降算法的一种变体，常用于训练深度学习模型。该算法的思路是将训练数据划分为小批量，然后按顺序处理。在每次迭代中，我们将属于特定小批量的所有训练样本的权重一起更新。 […]

梯度下降算法是训练深度神经网络最流行的技术之一。它在计算机视觉、语音识别和自然语言处理等领域有许多应用。虽然梯度下降的思想已经存在了几十年，但直到最近它才被应用于与深度 […]

线性回归是一种简单而强大的技术，用于根据其他变量预测变量的值。它通常用于模拟两个或多个连续变量之间的关系，例如收入与年龄之间的关系，或体重与身高之间的关系。同样，线性回归也可用于预测连续 […]

线性回归是一种估计两个变量之间关系的统计技术。线性回归的一个简单例子是根据一个人的体重平方根来预测这个人的身高（BMI 就是基于这个的）。要做到这一点，我们需要找到直线的斜率和截距。 […]

以一种可以轻松链接到深度学习模型的方式构建数据管道是任何基于深度学习的系统的重要方面。PyTorch 提供了完成此任务所需的一切。虽然在前一个教程中我们使用了简单的数据集，但在实际场景中我们将需要处理更大的数据集 […]

在机器学习和深度学习问题中，数据准备工作量很大。数据通常很混乱，在用于训练模型之前需要进行预处理。如果数据准备不当，模型将无法很好地泛化。一些必需的常见步骤 […]

导数是微积分中最基本的概念之一。它们描述了变量输入的改变如何影响函数的输出。本文旨在为初次接触 PyTorch 框架的用户提供计算 PyTorch 中导数的高级介绍。PyTorch 提供了一种便捷的方式来计算导数 […]

二维张量类似于二维度量。与二维度量一样，二维张量也有 $n$ 行和列。以灰度图像为例，它是一个数值矩阵，通常称为像素。范围从“0”到“255”，每个数字代表一个像素的强度值。在这里， […]