不管风雨有多少丶的博客

当大家有一个小梦想要搞人工智能的时候，甚至要搞深度学习的时候，屁颠屁颠地买重金买来一个N卡的机器之后，却发现你的torch.cuda.is_available()居然是False！顿时泪奔o(╥﹏╥)o，当你忙活大半天之后发现一无所获之后，让你顿时有了砸电脑的想法。对，这篇blog就是来帮你解决这个困惑，让你重拾深度学习的信心与动力！！！0 先看看你的GPU支不支持cuda，一般来说N卡是支持的。0.1 右键任务栏，打开任务管理器，看看自己的卡的型号。0.2 打开N卡官网，滑到官网首页最下面，找.

1 构建这个游戏标签的一些方法def fizz_buzz_encode(i): if i % 15 == 0: return 3 elif i % 5 == 0: return 2 elif i % 3 == 0: return 1 else: return 0 def fizz_buzz_decode(i, prediction): return [str(i), 'fizz', 'buzz

1 第四次改进——optim更新参数import torchimport torch.nn as nnimport torch.nn.functional as Fimport numpy as npimport pandas as pdimport random, mathimport sklearnimport scipyN, D_in, H, D_out = 64, 1000, 100, 10x = torch.randn(N, D_in)y = torch.randn(N

1 第一次改进——修改成torch语法1.1 初始化部分import torchimport torch.nn as nnimport torch.nn.functional as Fimport numpy as npimport pandas as pdimport random, mathimport sklearnimport scipy# 大小定义N, D_in, H, D_out = 64, 1000, 100, 10# 变量初始化x = torch.randn

1 初始化定义import numpy as npN, data_in, hidden, data_out = 64, 100, 100, 100epochs = 10002 初始化变量# h = x * w1# h_relu = relu(h)# y_pred = w2 * h_relu x = np.random.randn(N, data_in)y_pred = np.random.randn(N, data_out)w1 = np.random.randn(data_in,

1.标题标题有两种操作法。1.1. 类setext形式，用#标记。一共有六级标题，#的个数，代表标题的级数1.2.类atx形式，用任意个 = 或者 - 标记，但是一共只有两级。=表示一级， - 表示二级。2.列表列表分为有序列表和无序列表2.1无序列表用- or + or * 来标记2.2有序列表用数字加英文句号来标记3.区块引用引用以>来表示，引用中支持多级引用、标题、列表、代码块、分割线等常规语法。区块引用可以嵌套，只要根据层次加上不同数量的 >，>的个数表示引用