摘要：
import torch from torch import nn from torch.nn import functional as F from d2l import torch as d2l batch_size, num_steps = 32, 35 train_iter, vocab = 阅读全文
摘要：
%matplotlib inline import math import torch from torch import nn from torch.nn import functional as F from d2l import torch as d2l batch_size, num_ste 阅读全文
摘要：
8.3.1 学习语言模型 依靠在 8.1 节中对序列模型的分析，可以在单词级别对文本数据进行词元化。基本概率规则如下： 例如，包含了四个单词的一个文本序列的概率是： \[P( 阅读全文
摘要：
import collections import re from d2l import torch as d2l 解析文本的常见预处理步骤： 将文本作为字符串加载到内存中。 将字符串拆分为词元（如单词和字符）。 建立一个词表，将拆分的词元映射到数字索引。 将文本转换为数字索引序列，方便模型操作。 阅读全文
摘要：
到目前为止，我们遇到的数据主要是表格数据和图像数据，并且所有样本都是独立同分布的。然而，大多数的数据并非如此。比如语句中的单词、视频中的帧以及音频信号，都是有顺序的。 简言之，如果说卷积神经网络可以有效地处理空间信息，那么本章的循环神经网络（recurrent neural network，RNN） 阅读全文
摘要：
如何读论文？ 以下参考李沐大佬的教学。 论文结构 典型的论文结构是这样的： 题目 摘要 介绍 算法 实验验证 结论 三遍阅读法 第一遍 Pass 1 阅读重点：摘要和结论 阅读步骤： 先读题目和摘要，了解这篇论文在做什么，解决了什么问题。 再读结论，结论通常和摘要差不多，可能有对摘要中问题的回答。 阅读全文
摘要：
论文标题 《ImageNet Classification with Deep Convolutional Neural Networks》 ImageNet ：经典的划时代的数据集 Deep Convolutional：深度卷积在当时还处于比较少提及的地位，当时主导的是传统机器学习算法 作者 一作 阅读全文
摘要：
7.7.1 从 ResNet 到 DenseNet DenseNet 可以视为 ResNet 的逻辑扩展。 ResNet 将函数展开为 ，即一个简单的线性项和一个复杂的非线性项。 若将 拓展成超过两部分，则 阅读全文
摘要：
import torch from torch import nn from torch.nn import functional as F from d2l import torch as d2l 7.6.1 函数类 如果把模型看作一个函数，我们设计的更强大的模型则可以看作范围更大的函数。为了使函 阅读全文
