送李沐的《动手学深度学习》

最新推荐文章于 2025-06-17 22:19:17 发布
转载 最新推荐文章于 2025-06-17 22:19:17 发布 · 160 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：https://mp.weixin.qq.com/s?__biz=MzIyNjM2MzQyNg==&mid=2247640081&idx=1&sn=412cffef1985a0cf56abf79ae8b96fb3&chksm=e87d755cdf0afc4a1aadaa7f983f9212771b5340ff91d0378fe50e51e5c17346b75566ebc89b&scene=126&sessionid=0

Datawhale平台上的学习者被邀请分享他们的学习历程和困惑，或者提供入门学习的建议。文章鼓励读者留言，点赞数前十及最用心的三位将获得李沐的深度学习专著作为奖励。

 Datawhale学习 

邀约：学习建议/成长经历，文末送李沐书籍

31eadb18b269ade9a5ecb1988d50a7a5.jpeg

留言你在Datawhale的学习成长经历

/你这次的学习迷茫/入门学习建议

留言并点赞数前十的读者

以及最用心的三位

可获得李沐的《动手学深度学习》一本

Datawhale
关注
李沐动手学深度学习-优化和深度学习
weixin_63339973的博客
04-22 3791
对于深度学习问题，我们通常会先定义损失函数。一旦有了损失函数，就可以使用优化算法来尝试最小化损失。在优化中，损失函数通常被称为优化问题的目标函数。按照传统惯例，大多数优化算法都关注的是最小化。
李沐动手学习深度学习——3.2练习
weixin_45496725的博客
02-28 1059
线性回归的从零开始实现动手学习深度学习第三学章学习作业
【李沐】动手学深度学习 学习笔记
热门推荐
chenxiaowai_的博客
03-21 3万+
你好！这是【李沐】动手学深度学习v2-基于pytorch版本的学习笔记教材源代码安装教程（安装pytorch不要用pip，改成conda，pip太慢了，下载不下来）个人推荐学习学习笔记本节代码文件在源代码文件的chapter_deep-learning-computation/custom-layer.ipynb中不带参数的层下面的CenteredLayer类要从其输入中减去均值。要构建它，我们只需继承基础层类并实现前向传播功能。让我们向该层提供一些数据，验证它是否能按预期工作。带参数的层。
李沐 动手学深度学习--深度学习计算
深度学习 初学者
07-02 407
【代码】李沐 动手学深度学习--深度学习计算。
【笔记——李沐动手学深度学习】2.1 数据操作
2402_86344613的博客
06-17 1035
摘要 本文介绍了机器学习中N维数组的基本概念与数据操作实现。N维数组是机器学习和神经网络的核心数据结构，从标量(0维)到视频批量(5维)有不同应用场景。文章详细讲解了张量(tensor)的操作方法，包括创建数组、形状变换、初始化、运算、索引切片等技术要点。通过PyTorch示例展示了如何高效处理张量数据，涵盖广播机制、内存优化等关键技巧。最后简要提及数据预处理中CSV文件的读取方法。全文提供了从理论到实践的完整数据操作指南，适合机器学习初学者掌握基础数据结构处理方法。
跟着李沐动手学深度学习（一）
Zhoozie的博客
07-21 1644
本篇文章为李沐老师线性神经网络的学习笔记。使用Python编程语言及其强大的科学计算库（PyTorch）来实现线性回归模型。通过编写代码、运行实验和观察结果，我们将更加直观地理解线性回归模型的工作原理。
李沐-动手学习深度学习v2
Ashley_ly的博客
11-03 1213
李沐-动手学深度学习笔记
结合李沐动手学深度学习配置环境
goodenough5的博客
03-20 593
windows:从官网上下载对应版本的anaconda,。(大家安装完了千万不用pip install jupyter在一个虚拟环境里，我上一个anaconda就是这样没的。回到正题，就是运行下载的.exe文件，next，I agree ,Just me，选择安装路径，记住自己选择的安装路径。
day07||深度学习（李沐动手学深度学习）
m0_67567149的博客
08-29 1021
NiN是在AlexNet问世不久后提出的。它们的卷积层设定有类似之处。NiN使用卷积窗口形状分别为11×11、5×5和3×3的卷积层，相应的输出通道数也与AlexNet中的一致。每个NiN块后接一个步幅为2、窗口形状为3×3的最大池化层。除使用NiN块以外，NiN还有一个设计与AlexNet显著不同：NiN去掉了AlexNet最后的3个全连接层，取而代之地，NiN使用了输出通道数等于标签类别数的NiN块，然后使用全局平均池化层对每个通道中所有元素求平均并直接用于分类。
李沐动手深度学习环境配置
qq_62373903的博客
12-18 2814
对于小白而言，环境真的掉眼泪啊！！！做个小笔记把自己的经验分享到大家。
《动手学深度学习2.0-李沐Pytorch版》
07-24
内容概要：《动手学深度学习2.0-李沐Pytorch版》是一本结合理论与实践的深度学习教材，旨在帮助读者掌握深度学习的核心概念和实践技能。全书分为三个主要部分：基础知识和预备知识、现代深度学习技术和应用、以及可...
21年更新-李沐《动手学深度学习第二版》:讲义+数据+代码等
04-15
gitignore Dockerfile INFO.md Jenkinsfile LICENSE Makefile README.md setup.py STY LE_GUIDE.md TERMINOLOGY.md build chapter _appendix chapter_computational-performa nce chapter_computer-vision ...img
精选资源
李沐的动手学深度学习的windows环境安装说明
07-06
### 李沐的动手学深度学习的Windows环境安装说明 #### 一、环境搭建 **1.1 安装 CUDA 和 cuDNN** 在搭建深度学习环境时，CUDA（Compute Unified Device Architecture）与 cuDNN（CUDA Deep Neural Network ...
李沐动手学深度学习-学习笔记
03-15
李沐动手学深度学习-学习笔记 深度学习是人工智能领域的热门研究方向，近年来随着计算能力的提升和大数据的普及，深度学习技术在图像识别、语音识别、自然语言处理等多个领域取得了突破性进展。李沐作为深度学习...
yubaolee_OpenAuthNet_25456_1764964690631.zip
12-07
yubaolee_OpenAuthNet_25456_1764964690631.zip
基于PID控制器和电流控制器的电池充电比较研究（Matlab代码实现）
12-07
基于PID控制器和电流控制器的电池充电比较研究（Matlab代码实现）内容概要：本文主要围绕《基于PID控制器和电流控制器的电池充电比较研究（Matlab代码实现）》展开，介绍了利用Matlab进行电池充电控制策略的仿真与比较研究。重点对比了PID控制器与电流控制器在电池充电过程中的性能表现，涵盖系统建模、控制算法设计、仿真分析及结果评估等内容，旨在为电池管理系统中的充电控制提供优化方案和技术参考。; 适合人群：具备一定自动控制理论基础和Matlab编程能力的电气工程、自动化、能源系统等相关专业的研究生、科研人员及工程技术人员。; 使用场景及目标：①用于电池管理系统中充电控制策略的设计与优化；②开展PID控制与电流控制在动态响应、稳定性、充电效率等方面的性能对比研究；③支持教学实验、科研仿真及实际工程项目中的控制器选型与验证。; 阅读建议：建议读者结合Matlab代码进行仿真实践，重点关注控制器参数设置、系统响应曲线分析及不同工况下的性能差异，同时可扩展至其他先进控制算法（如模糊控制、自适应控制）的对比研究，以深化对电池充电控制技术的理解与应用。
一个基于SpringBoot和MyBatis框架开发的用于高校或公共图书馆自习室资源智能化管理的Web应用程序系统_包含用户注册登录座位预约状态查询取消预约留言反馈及管理员对自习室.zip
12-07
一个基于SpringBoot和MyBatis框架开发的用于高校或公共图书馆自习室资源智能化管理的Web应用程序系统_包含用户注册登录座位预约状态查询取消预约留言反馈及管理员对自习室.zip
nats.swift-Swift资源
最新发布
12-08
Swift client for NATS, the cloud native messaging system.
ACM算法竞赛题解与优化技巧 练习题
12-07
ACM算法竞赛题解与优化技巧
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值