动手学深度学习：错误及问题笔记1

沐神的动手学深度学习课后练习题~

04 数据操作+数据预处理。

课后习题答案与技术细节详解

李沐老师《动手学深度学习（PyTorch版）》5.3 延后初始化-笔记&练习详解

跟着李沐学AI（动手学深度学习 PyTorch版）学习笔记——03安装（python3.7版本+Windows+各种问题解决措施）

文章目录二、预备知识2.2 数据预处理2.3 线性代数2.3.12.3.22.3.3 二、预备知识 2.2 数据预处理 创建包含更多行和列的原始数据集。 删除缺失值最多的列。 将预处理后的数据集转换为张量格式。 import numpy as np import torch import pandas as pd df=pd.read_excel('D:/pycharmdata/data/2-2.xlsx') df.isnull().sum()#计算每列的缺失值 inputs,outputs = d

error error来自于bias和variance. 如果你知道你的error来自于哪里。就可以有针对性的调你的Module. 假如x的平均值是μ\muμ,方差是σ2\sigma^2σ2,但是在计算过程中得出平均值的结果不一定就是μ\muμ,如图所示，足够多次进行平均值求解，然后得出的期望是μ\muμ。 该图是对error的一次形象描述，最好的情况是左上角的情况，你所做的实验结果在靶心周围，偏离程度不大；可以说，均值是看靶心和你计算的μ\muμ的距离，方差是看所实验数据的分散程度。 该图是把100次的

一、过拟合、欠拟合及其解决方案 欠拟合现象： 模型无法达到一个较低的误差 过拟合现象： 训练误差较低但是泛化误差依然较高，二者相差较大 应对欠拟合的方法 • 换更复杂的模型； • 增加模型参数 -应对过拟合的方法： • -增加训练样本 • 权重衰减：通过为模型损失函数添加惩罚项使学出的模型参数值较小 • 丢弃法：设置丢弃率p，则训练的过程中有p的概率的对参数清零，有1-p的概率的对参数进行拉伸；...

线性回归小案例的复杂实现 from IPython import display from matplotlib import pyplot as plt from mxnet import nd from mxnet import ndarray from mxnet import autograd import random num_inputs = 2 #定义有两个输入项 num_exam...

动手学深度学习（Pytorch版）代码实践 -计算机视觉-39实战Kaggle比赛：狗的品种识别（ImageNet Dogs）比赛链接：Dog Breed Identification | Kaggle

R-CNN对图像选取若干提议区域，使用卷积神经网络对每个提议区域执行前向传播以抽取其特征，然后再用这些特征来预测提议区域的类别和边界框。Fast R-CNN对R-CNN的一个主要改进：只对整个图像做卷积神经网络的前向传播。它还引入了兴趣区域汇聚层，从而为具有不同形状的兴趣区域抽取相同形状的特征。Faster R-CNN将Fast R-CNN中使用的选择性搜索替换为参与训练的区域提议网络，这样后者可以在减少提议区域数量的情况下仍保证目标检测的精度。

目录运行环境问题对应的章节问题描述解决方法第一步：下载好包第二步：转移d2lzh_pytorch文件夹第三步：验证utils.py文件能否正常运行第四步：在程序中导入d2lzh_pytorch包总结 运行环境 使用环境：python3.8 平台：Windows10 IDE：PyCharm 问题对应的章节 3.2.1节 问题描述 d2lzh_pytorch模块不知道如何导入 导入d2lzh_pytorch模块后运行报错 解决方法 第一步：下载好包 链接：https://github.com/Shusen

这里是我学习李沐老师的动手学深度学习时，教材课后题的一些解答，如果有不正确的解答还请指出来。持续更新。

《动手学深度学习》报错 解决方案RuntimeError: DataLoader worker (pid(s) ...) exited unexpectedly，找到get_dataloader_workers()函数。