深度学习入门-鱼书P70安装MNIST数据集傻瓜式教程

已于 2025-03-05 15:37:15 修改
阅读量831 收藏 8
点赞数 9
CC 4.0 BY-SA版权
文章标签： 深度学习 人工智能 python
于 2025-03-04 17:02:58 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/m0_51185615/article/details/146019472

考研复试无项目，紧急学习鱼书，卡在P70无法动手，代码是看不懂的，步骤执行不下去，琢磨了两小时， 终于安装成功，现一步一步教大家。

1.先从网盘下载这些文件（不用去官网下了，不然数据集一直下不动，我网盘里面是已经下载好的了） 
链接：https://pan.quark.cn/s/4f13c5943583

2.下载后解压这两个文件即可

3.先打开“【源代码】深度学习入门：基于Python的理论与实现_20240716” 下面的dataset文件夹，

4.把Mnist数据集解压到dataset文件夹里面

5.pycharm打开mnist.py直接运行即可，会直接显示

6.要注意，你要把【源代码】深度学习入门：基于Python的理论与实现_20240716这个文件夹直接当作pycharm的项目打开，类似于这样

7.现在就可以运行ch03里面的代码了

Mitty_Li
关注
鱼书第三章：下载mnist数据集失败解决方案
m0_52695557的博客
06-14 1049
将上述四个压缩包放入dataset文件夹中，注意dataset文件夹应在以下目录中。
深度学习入门（鱼书）
AAXX_1的博客
03-08 1434
但是通过反转损失函数的符号，求最小值的问题和求最大值的问题会变成相同的问题，因此“下降”还是“上升”的差异本质上并不重要。链式法则是关于复合函数的导数的性质，定义如下：如果某个函数由复合函数表示，则该复合函数的导数可以用构成复合函数的各个函数的导数的乘积表示。损失函数是表示神经网络性能的“恶劣程度”的指标，即当前的神经网络对监督数据在多大程度上不拟合，在多大程度上不一致。函数， 如图4-4所示，不仅函数的输出（竖轴的值）是连续变化的，曲线的斜率（导数）也是连续变化的。梯度表示损失函数的值减小最多的方向。
深度学习入门源码（鱼书配套，自己添加的注解）
11-05
将个人学习过程的思路理清，以博客记录，通过鱼书配套源码经过自己修改，供大家参考，内置自己理解的注解，尽可能做到了详细，有些不懂的地方可以通过GPT来辅助学习，鱼书对于新手入门来说是一本非常合适的书籍，通过Mnist数据来帮助快速认识神经网络，如何一步步拆解代码。
深度学习入门：《鱼书》笔记 U2-3
最新发布
kawendixv的博客
06-28 596
自用读书笔记，也相当于鱼书简洁版。
鱼书第三章代码MNIST
qq_55104143的博客
06-11 1085
一开始在b站找了个视频，通过运行这个main.py代码， download这一步下载了数据集，然后直接复制到我想要的那个dataset的目录中就行。路径出错，他要求保存到c的路径下，然后我保存到了d的路径下，他在c找不到，所以我就把这个路径改成了我的路径。# 将下载好的数据集放在C:\DeepLearning\dataset路径下。一开始想一边学习一边敲代码，搞了半天不知道怎么弄，在网上参考了一些。
【免费下载】 鱼书《深度学习入门基于Python的理论与实现》代码仓库
gitblog_09734的博客
10-15 705
鱼书《深度学习入门基于Python的理论与实现》代码仓库 【下载地址】鱼书深度学习入门基于Python的理论与实现代码仓库 本仓库包含了鱼书《深度学习入门基于Python的理论与实现》一书中的所有代码示例。这些代码是学习深度学习理论与实践的宝贵资源，适合初学者和有一定基础的开发者参考和学习 ...
(整书pdf)(鱼书)深度学习入门：基于Python的理论和实现
2303_80018785的博客
03-30 8706
它介绍了如何使用Python和NumPy来实现深度学习算法，如何进行参数的更新和优化，以及如何进行超参数的验证。通过阅读这本书，读者可以学习到深度学习的基础知识，掌握实现深度学习网络的技能，并了解该领域的最新研究动态和应用前景。全书内容涵盖了深度学习和神经网络的基础知识，特征，误差反向传播法，卷积神经网络（CNN）的应用，以及学习相关的实用技巧。此外，书中还包含了一些应用案例，如物体检测、图像分割、图像标题的生成，以及深度学习在自动驾驶等方面的潜在应用。以下是蓝奏云网盘链接。
《深度学习入门》鱼书学习笔记（代码可运行）
喝饱水没烦恼的博客
03-13 1571
《深度学习入门》读书笔记与代码复现
读书笔记：深度学习入门-基于python的理论与实现（俗称鱼书）
博客而已
05-22 9662
终于从头到尾把鱼书看完啦，真的是非常入门，非常查漏补缺，对新手很友好，对有一定基础的人也非常不错。看完不复习等于没看，所以今天开始复盘，顺便写这篇读书笔记。希望分享给没看过这本书或者看过这本书的同僚们参考，欢迎大家指教。我将从第三章神经网络开始复习，前两章内容书里已经非常基础and清楚了。（会持续更新滴）.........
格兰仕p70d10ep-qa使用说明书、用户手册
11-10
这款微波炉提供了多份说明书，如JS1M0609-16890-004SBD107QAB-PA0C0C(P70D10EP-QA(S0))，这些说明书涵盖了2020年11月17日至2021年1月17日的多个版本，表明产品在不断更新和完善，以提供最新的使用指南和技术支持。...
《深度学习入门》（斋藤康毅著）学习笔记（一）
weixin_49385797的博客
07-28 726
1.Windows环境下关于python+pycharm安装 （1）下载安装python 网站地址：https://www.python.org/ 安装：选择适合自己电脑的相应安装包，下载，然后点击安装。 测试：Windows+R，输入cmd进入命令行。在界面输入python，当返回python版本信息时，表示安装成功，报错则安装失败，建议检查安装软件版本是否与系统64（32）位保持一致。 安装界面注意: a.add python 3.x to PATH 记得打钩 b.pip界面都打钩 c.安装目录尽量保持
鱼书《深度学习入门基于python的理论与实现》代码
05-06
鱼书《深度学习入门基于python的理论与实现》代码
深度学习入门路线.pdf
02-19
深度学习入门路线.pdf
p54 - p70 缓存一致性协议
05-15
在写回机制中，当发生写操作时，数据已经在 CPU Cache 中，则把数据更新到 CPU Cache 中，同时标记 CPU Cache 中的这个 Cache Block 为脏的。如果 Cache Block 中的数据没有被标记为脏，则直接将数据写入到这个 ...
p56 - p70 HTTPA RSA握手解析
05-15
TLS 的握手过程，如下图：上图简要概述来了 TLS 的握手过程，其中每一个“框”都是一个记录（record），记录是 TLS 收发数据的基本单位，类似于 TCP 中的 segment。多个记录可以组合成一个 TCP 包发送，所以通常经过...
VOXOA锋梭播放器P70使用说明书.pdf
02-11
【VOXOA锋梭播放器P70使用说明书】 VOXOA锋梭P70是一款数字媒体播放与控制器，专为音乐爱好者和专业音响人士设计。这款设备集高音质播放、多接口连接和MIDI控制器功能于一体，提供丰富的音频体验和强大的控制能力。...
第3章 神经网络（鱼书）
weixin_42963026的博客
11-10 1349
学习笔记第3章神经网络从感知机到神经网络神经网络的例子图 3-1中的网络一共由 3层神经元构成，但实质上只有 2层神经元有权重，因此将其称为“2层网络”。请注意，有的书也会根据构成网络的层数，把图 3-1的网络称为“3层网络”。本书将根据实质上拥有权重的层数（输入层、隐藏层、输出层的总数减去 1后的数量）来表示网络的名称。复习感知机激活函数登场刚才登场的hx）函数会将输入信号的总和转换为输出信号，这种函数一般称为激活函数（activation function）。
第7章 卷积神经网络（鱼书）
weixin_42963026的博客
02-07 1345
卷积神经网络
深度学习鱼书笔记
Enigmalgia
02-29 3360
《深度学习入门》斋藤康毅
mnist库下载
05-27
### 如何下载并安装MNIST库 #### 使用 PyTorch 的 torchvision 库下载 MNIST 数据集 PyTorch 提供了一个方便的工具 `torchvision`，可以用来快速下载和加载常见的数据集，其中包括 MNIST 数据集。通过使用 `torchvision.datasets.MNIST` 类，能够轻松实现自动化下载功能[^1]。 以下是具体的代码示例： ```python from torchvision import datasets, transforms from torch.utils.data import DataLoader # 定义数据预处理操作 transform = transforms.Compose([ transforms.ToTensor(), # 将图像转换为 Tensor transforms.Normalize((0.5,), (0.5,)) # 归一化到 [-1, 1] ]) # 下载训练集和测试集 train_dataset = datasets.MNIST(root='./data', train=True, transform=transform, download=True) test_dataset = datasets.MNIST(root='./data', train=False, transform=transform, download=True) # 创建数据加载器 train_loader = DataLoader(dataset=train_dataset, batch_size=64, shuffle=True) test_loader = DataLoader(dataset=test_dataset, batch_size=64, shuffle=False) ``` 这段代码会自动检查本地是否存在 MNIST 数据集文件夹 (`./data`)，如果不存在，则会从官方源下载所需的数据文件[^1]。 --- #### 手动下载 MNIST 数据集 对于不依赖于特定框架的情况，也可以手动编写脚本来完成 MNIST 数据集的下载工作。以下是一个基于 Python 和标准库的简单实现方法[^2]: ```python from pathlib import Path import requests DATA_PATH = Path("data") PATH = DATA_PATH / "mnist" FILENAME = "mnist.pkl.gz" # 如果目标路径不存在则创建它 PATH.mkdir(parents=True, exist_ok=True) URL = "http://deeplearning.net/data/mnist/" if not (PATH / FILENAME).exists(): content = requests.get(URL + FILENAME).content with open(PATH / FILENAME, 'wb') as f: f.write(content) print(f"{FILENAME} 已成功保存至 {PATH}") ``` 此脚本利用了 `requests` 模块来获取远程资源，并将其存储在指定目录下。注意，在运行该脚本前需确认已安装必要的第三方模块（如未安装可通过命令 `pip install requests` 来解决）[^3]。 --- #### 解压缩与读取数据 下载完成后，通常还需要进一步解压 `.pkl.gz` 文件以便后续分析或建模用途。这里提供一段用于解压和加载数据的小程序片段： ```python import gzip import pickle with gzip.open(PATH / FILENAME, 'rb') as f: train_set, valid_set, test_set = pickle.load(f, encoding='latin1') print("训练集:", len(train_set[0])) print("验证集:", len(valid_set[0])) print("测试集:", len(test_set[0])) ``` 上述代码展示了如何打开 Gzip 压缩包以及解析其中的内容结构[^2]。 --- ### 注意事项 - **环境配置**：确保开发环境中具备所需的软件支持，比如 Python 版本兼容性、网络连接正常等条件。 - **磁盘空间**：考虑到可能产生的临时文件大小，请预留足够的硬盘容量给项目根目录下的子文件夹 `/data/`。 - **安全性考量**：当执行未知来源或者未经充分审查过的外部链接请求时要格外小心，防止潜在的安全隐患影响系统稳定性和个人隐私保护。
评论 3
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