零度畅想

读取和显示图像import torchfrom d2l import torch as d2lfrom torch.utils import dataimport matplotlib.pyplot as pltimport torchvisionfrom torchvision import transformsdef get_fashion_mnist_labels(labels): """返回Fashion-MNIST数据集的⽂本标签。这里做了数字到字符串映射"""

线性回归初级实现torch.normal(A, B ,size(C, D), requires_grad=True)A表示均值，B表示标准差 ,C代表生成的数据行数，D表示列数，requires_grad=True表示对导数开始记录，可以忽略。import mathimport torchimport osfrom IPython import displayfrom d2l import torch as d2limport pandas as pdimport numpy .

功能上,AI包括推理和训练两个环节。在训练层面，通过大数据训练出一个复杂的神经网络模型。a) 训练环节主要使用类似NV GPU集群完成，谷歌TPU2.0也支持训练环节和深度网络加速。b) 推理环节指利用训练好的模型，使用新数据推理出各种结论。总体来看，训练环节对芯片的性能要求比较高，推理环节对简单指定的重复计算和低延迟的要求很高。应用场景上，AI芯片应用于云端和设备端。a) 在深度学习的训练阶段需要极大数据量和大运算量，单一处理器无法独立完成，因此训练环节只能在云端实现。b) 在设备端，智..

import torch张量tensor : 数值组成的，可能是多维的数组。 a) 一个轴张量对应数学上的向量vector; b) 两个轴张量对应数学上的矩阵matrix。# arange创建⼀个⾏向量xx = torch.arange(12)print("x.data = ", x.data) # x.data = tensor([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])print("x.shape = ", x...

仅包含⼀个数值的叫标量（scalar），标量由只有⼀个元素的张量表⽰。可将向量视为标量值组成的列表。这些标量值称为向量的元素（elements）或分量（components）x = torch.arange(4) #tensor([0, 1, 2, 3])若⽂献认为列向量是向量的默认⽅向，则描述为4X1矩阵，x[3] == tensor(3)当一个向量由n各实体值标量组成时，可以用 len(x) 函数来计算长度；当用张量表示一个向量(只有一个轴)时，需要用.shape属性来访问向量的长度，返.

仅包含⼀个数值的叫标量（scalar），标量由只有⼀个元素的张量表⽰。可将向量视为标量值组成的列表。这些标量值称为向量的元素（elements）或分量（components）x = torch.arange(4) #tensor([0, 1, 2, 3])若⽂献认为列向量是向量的默认⽅向，则描述为4X1矩阵，x[3] == tensor(3)当一个向量由n各实体值标量组成时，可以用 len(x) 函数来计算长度；当用张量表示一个向量(只有一个轴)时，需要用.shape属性来访问向量的长度，返.

线性回归： 回归（regression）是指⼀类为⼀个或多个⾃变量与因变量之间关系建模的⽅法,经常⽤来表⽰输⼊和输出之间的关系。多处理带预测性质的任务。假设： ⾸先，假设⾃变量 x 和因变量 y 之间的关系是线性的，即y可以表⽰为 x 中元素的加权和，通常允许包含观测值的⼀些噪声； 其次，假设任何噪声都⽐较正常，如噪声遵循正态分布。对于特征集合 X ，预测值 ŷ ∈ R n 可以通过矩阵-向量乘法表⽰为：ŷ = Xw + b 。给定训练数据特征 X 和对应的已知标签 y ，⽬标是找...