李沐笔记+课后练习（线性代数）

最新推荐文章于 2025-06-17 22:19:17 发布
原创 最新推荐文章于 2025-06-17 22:19:17 发布 · 499 阅读 · 2 ·
CC 4.0 BY-SA版权
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。
文章标签：

#线性代数 #机器学习

这篇博客详细探讨了线性代数的基础概念，包括标量、向量和矩阵，特别是深入讨论了特殊矩阵和线性代数的实现。此外，还提供了课后练习，包括证明矩阵的转置的转置仍为原矩阵，展示矩阵转置相加等于相加转置的性质，以及讨论任意方矩阵加上其转置是否总是对称的问题。

标量：

 

向量：

 

 

 

 矩阵：

 

 

最低0.47元/天 解锁文章
qq_42310607
关注
李沐深度学习笔记-05线性代数
qq_41701219的博客
02-12 927
1.线性代数 标量由只有一个元素的张量表示 import torch x=torch.tensor([3.0]) y=torch.tensor([2.0]) x+y,x*y,x/y,x**y #输出(tensor([5.]), tensor([6.]), tensor([1.5000]), tensor([9.])) 可以将向量视为标量值组成的列表 x=torch.arange(4) x #输出tensor([0, 1, 2, 3]) 通过张量的索引来访问任一元素 x[3] #输出tensor(3)
李沐笔记+课后习题（数据操作+数据预处理）
qq_42310607的博客
09-30 1267
N维数组 ——是机器学习和神经网络的主要数据结构 创建数组 需要：形状（例如3*4的矩阵）、每个元素的数据类型（例如32位浮点数）、每个元素的值（例如全为0或随机数） 访问元素 ...
李沐「动手学深度学习」中文课程笔记来了！代码还有详细中文注释
zandaoguang的博客
05-09 1647
视学算法报道编辑：张倩markdown笔记与原课程视频一一对应，Jupyter代码均有详细中文注释，这份学习笔记值得收藏。去年年初，机器之心知识站上线了亚马逊资深首席科学家李沐博士的「动手学深度学习」中文系列课程。这门课从3月持续到8月，超过28000人参与了直播，课程回放在 B 站的播放量达到了上百万次。这门课程基于李沐等人编写的《动手学深度学习》第二版。《动手学深度学...
李沐—动手学深度学习笔记
weixin_58350863的博客
09-15 2069
将模型的输入和参数同模型的输出关联起来。回想一下，要计算线性模型的输出， 我们只需计算输入特征X和模型权重w的矩阵-向量乘法后加上偏置b。广播机制： 当我们用一个向量加一个标量时，标量会被加到向量的每个分量上。对于每一个小批量，我们会进行以下步骤:通过调用net(X)生成预测并计算损失l（前向传播）。通过进行反向传播来计算梯度。通过调用优化器来更新模型参数。4.多层感知机。
【深度学习】李沐的深度学习笔记来了！
fengdu78的博客
08-06 916
转载自 |机器之心去年年初，机器之心知识站上线了亚马逊资深首席科学家李沐博士的「动手学深度学习」中文系列课程。这门课从3月持续到8月，超过28000人参与了直播，课程回放在 B 站的播放量达到了上百万次。这门课程基于李沐等人编写的《动手学深度学习》第二版。《动手学深度学习》既有开源项目，也有纸质书，它覆盖了90年代至今重要的模型，特别是每一章都是一个Jupyter记事本...
笔记｜李沐-动手学习机器学习｜现代卷积神经网络（视频24-30）
weixin_45041379的博客
10-23 2164
笔记｜李沐-动手学习机器学习｜现代卷积神经网络（视频24-30）
李沐笔记+课后习题（自动求导）
qq_42310607的博客
10-02 1415
向量链式法则： 自动求导：（计算一个函数在指定值上的导数） 计算图： 自动求导的两种模式：（正向和反向） 复杂度： 自动求导实现： import torch x = torch.arange(4.0) # 创建一个向量x并分配一个初始值 print(x) # 在计算y关于x的梯度之前，需要一个地方来存储梯度 x.requires_grad_(True) # 等价于x = torch.arange(4.0, requi...
【李沐深度学习笔记】线性代数实现
随手写写
09-21 765
本系列文章是我学习李沐老师深度学习系列课程的学习笔记，可能会对李沐老师上课没讲到的进行补充。这节就算之前内容的复习，后面以截图形式呈现。
【李沐深度学习笔记】线性代数
随手写写
09-19 893
课程地址和说明 数据预处理实现p3 本系列文章是我学习李沐老师深度学习系列课程的学习笔记，可能会对李沐老师上课没讲到的进行补充。 线性代数 标量 标量（scalar），亦称“无向量”。有些物理量，只具有数值大小，而没有方向，部分有正负之分。物理学中，标量（或作纯量）指在坐标变换下保持不变的物理量。用通俗的说法，标量是只有大小，没有方向的量。（在深度学习领域也是如此） 标量的运算规律 加减法：c=a+bc=a+bc=a+b 乘除法：c=a⋅bc=a\cdot bc=a⋅b 取特定函数：c=sinac=sina
【动手学习深度学习（李沐）】笔记（2021-11-11）
Q7777727的博客
11-12 1387
个人在看书过程中的随笔记录，只局限于自己看得懂，方便后续查看 1 yield的一些用法和原理 Iterables迭代器，比如lists, strings, 文件，我们专门为他们开辟了内存去储存所有内容，一项一项地读取其项目称为迭代 mylist = [1, 2, 3] >>> for i in mylist: ... print(i) 1 2 3 我们可以随心所欲地读取它们，但是将所有值存储在内存中，当我们有很多值时，这并不总是您想要的。比如神经网络训练的样本选取。 Gene
pycharm笔记-动手学深度学习（李沐）自动微分课后习题
weixin_46480637的博客
10-26 4807
动手学深度学习课后习题
李沐笔记（深度卷积神经网络 AlexNet）
qq_42310607的博客
12-03 1087
import torch from d2l import torch as d2l from torch import nn net = nn.Sequential(nn.Conv2d(1,96,kernel_size=11,stride=4,padding=1), nn.ReLU(), nn.MaxPool2d(kernel_size=3,stride=2), ...
《动手学深度学习——李沐》课后练习
qq_45730823的博客
06-12 731
常见的机器学习，自动优化算法可以通过学习来进行改进。首先说明启发式设计选择，在平时的代码中还没有包含这种设计启发式设计的另一面可以是理性设计。
pycharm笔记-动手学深度学习（李沐）线性代数课后习题
weixin_46480637的博客
10-22 918
动手深度学习课后习题笔记
【李沐】深度学习笔记
~yzzheng～的博客
04-06 1192
学习李沐深度学习的笔记内容
【笔记——李沐动手学深度学习】2.1 数据操作
最新发布
2402_86344613的博客
06-17 1059
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。
学习笔记-李沐动手学深度学习（一）（01-07，概述、数据操作、tensor操作、数学基础、自动求导（前向计算、反向传播））
ljmiiianng的博客
01-19 3773
【语言是一个符号】【深度学习是机器学习的一种】最热的方向：深度学习和CV、NLP结合【AI地图】① 如下图所示，X轴是不同的模式，最早的是符号学，然后概率模型、机器学习。Y轴是我们想做什么东西，感知是我了解这是什么东西，推理形成自己的知识，然后做规划。② 感知类似我能看到前面有个屏幕，推理是基于我看到的东西想象未来会发生什么事，根据看到的现象、数据，形成自己的知识，知道所有知识后能进行长远的规划，未来怎么做。
【Transformer】李沐论文逐段精读学习笔记
Zheng_LH
07-10 3036
贡献：网络简单，且跟之前的网络结构都不一样，不使用rnn或cnn的单元。并行度更好，训练快很多。在机器翻译上取得了更好的效果。本文提出的Transformer是第一个纯基于attention的序列转录模型，使用multi-head self-attention替代了之前的rnn结构。在机器翻译上，比RNN和CNN都要快，还取得了新的SOTA。介绍了传统的RNN，CNN以及encoder-decoder架构。分析了RNN的缺点：难以并行。容易遗忘。再介绍了attention机制。最后提出了一个全新的架构Tra
pycharm笔记-动手学深度学习（李沐）数据预处理课后习题
weixin_46480637的博客
10-20 1084
动手深度学习（李沐），使用pycharm完成课后练习题。
李沐pytorch笔记
08-27
你是在询问关于李沐在PyTorch方面的笔记吗？很抱歉，我并不能直接提供李沐的笔记。不过，李沐是一位非常知名的人工智能领域专家，他在PyTorch社区中扮演了重要角色，并撰写了许多与PyTorch相关的教程和指南。你可以...
评论
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