weixin_37699342的博客

torch.cat((X, Y), dim=0), torch.cat((X, Y), dim=1) # 在第几维拼接。y = torch.tensor([[1.0, 2, 3], [1, 2, 3]]) # 创建数组。a = torch.arange(3).reshape((3, 1)) # 将1复制成2。b = torch.arange(2).reshape((1, 2)) # 将1复制成3。torch.ones((2, 3, 4)) # 使矩阵内元素全1。1维：向量，[1,2,3]，一个特征向量。

在线课程： 课程安排 - 动手学深度学习课程 教材： 《动手学深度学习》 — 动手学深度学习 2.0.0-beta0 documentation 领域大神们的精华！

介绍 自然语言处理：语言翻译，符号学+概率模型+机器学习 计算机视觉：概率模型+机器学习 深度学习：机器学习 图片分类：imagenet数据集中约100万张图片 物体检测 样式迁移 人脸合成 文字生成图片 文字生成：文章，代码 无人驾驶：物体检测，路线识别 案例（广告点击）： 根据用户输入提供广告 问题分为三个阶段： 触发：根据输入关键字找到相关广告 点击率预估（机器学习）：看到广告之后预测点击的概率 排序：点击率*竞价 机器学习模型：预测点击率：看到广告--特征提取-