
深度学习必须要知道的一些概念
文章平均质量分 89
深度学习概念
~|Bernard|
这个作者很懒,什么都没留下…
展开
-
Python包、模块、库辨析
模块是Python 编程的基本组成部分之一,它是单个文件,包含 Python 代码,可以定义函数、类和变量。模块是一个独立的文件,通常以.py扩展名结束。通过导入模块 ,可以使用该模块中定义的所有功能 ,从而重用代码。导入模块后,可以访问其内部的属性和方法。Python 中有标准库模块,它们提供了丰富的功能集,如文件 I/O、网络请求等。除了标准库之外,开发者还可以创建自己的模块 ,以封装特定的功能或业务逻辑。在这个例子中,是一个简单的模块,它定义了一个add。原创 2024-09-18 19:52:24 · 931 阅读 · 0 评论 -
深度学习的关键数据结构——张量解释
神经网络中的输入、输出和变换都是用张量表示的,因此,神经网络编程大量使用张量。张量的概念是其他更具体概念的数学归纳。以下例子中的每一个都是更一般的张量概念的特定实例:数标量数组向量二维数组矩阵我们将上面列出的示例分成两组:数,数组,二维数组标量、向量、矩阵第一组三个术语(数、数组、二维数组)是计算机科学中常用的术语,而第二组(标量、向量、矩阵)是数学中常用的术语。我们经常看到这样的事情,不同的研究领域对同一个概念使用不同的词。在深度学习中,我们通常将所有这些都称为张量。原创 2024-09-15 19:04:43 · 899 阅读 · 0 评论 -
CPU 和 GPU:为什么GPU更适合深度学习?
GPU(图形处理单元)的诞生,初衷是为了专门应对渲染复杂图形和加速视频处理的需求。随着计算机图形技术的发展,实时 3D 图形的渲染需求逐渐增多,传统的CPU(中央处理器)难以高效处理这些繁重的计算任务。GPU 的出现大大缓解了这一负担,通过其独特的架构将大量的图形处理操作从 CPU 中剥离出来,从而极大地提升了系统的图形处理能力。GPU 的架构设计非常独特,由成百上千个小型处理单元组成,每个处理单元能够独立并行执行指令。这种高度并行的处理能力使 GPU 能够同时处理海量数据。原创 2024-09-12 10:23:09 · 4524 阅读 · 0 评论