【深度学习笔记（34、35）】

2023-12-26 17:57:57

课程34

主要是建模可视化工具的安装与使用

【深度学习笔记（34、35）】

【深度学习笔记（34、35）】【深度学习笔记（34、35）】

【深度学习笔记（34、35）】

【深度学习笔记（34、35）】

 tensorboard的基本使用都是基于SummaryWriter这个类来实现的

【深度学习笔记（34、35）】

 这段代码是查看数据保存在哪个文件夹下了

【深度学习笔记（34、35）】

 【深度学习笔记（34、35）】

 mul是展示记录的折线图（或者是其他的）的名称

不太懂这个东西是干嘛的，好像就是把网络中一些参数储存在本地，然后云端通过访问数据，然后把数据显示在web上面，做到实时查看自己的模型结构的功能，在一些大数据、深层次网络里应用的可能比较多吧，以后用到再作记录。

课程35

线性回归建模实验

【深度学习笔记（34、35）】【深度学习笔记（34、35）】【深度学习笔记（34、35）】

 【深度学习笔记（34、35）】

 【深度学习笔记（34、35）】

 【深度学习笔记（34、35）】

【深度学习笔记（34、35）】

.data就是抛去可微特性，只剩下那些数字就行计算

【深度学习笔记（34、35）】

【深度学习笔记（34、35）】

 【深度学习笔记（34、35）】

 上面的操作w=w*2之后w虽然可以进行反向传播，但是叶节点已经丢失，会失去计算图，丧失构建网络意义

修改w(叶节点)的方法：

【深度学习笔记（34、35）】

 用with这个结构，可以修改值，但是不改变传播图

【深度学习笔记（34、35）】

【深度学习笔记（34、35）】

 上面的这种方法就是w.detach_就是将新生成的值覆盖给w，此时的w不是一个可微的张量，现在就可以对w进行数值的修改，然后修改完成后再将w变成可微的张量就行了

【深度学习笔记（34、35）】

 .data就是抛去可微特性，只剩下那些数字就行计算，跟上面的原理相同

【深度学习笔记（34、35）】

【深度学习笔记（34、35）】

 【深度学习笔记（34、35）】

【深度学习笔记（34、35）】

 线性回归的快速实现：

【深度学习笔记（34、35）】

【深度学习笔记（34、35）】

 这里输入为2，不是下面的3，是因为本来这个函数里面就包含了截距项，所以就是2

【深度学习笔记（34、35）】

 【深度学习笔记（34、35）】

 【深度学习笔记（34、35）】

【深度学习笔记（34、35）】 【深度学习笔记（34、35）】

 【深度学习笔记（34、35）】

【深度学习笔记（34、35）】

 

 

 

上一篇：2-5 修理牧场 (35 分)


下一篇：如果到了35岁，你恐慌了，那你真的该反思自己了···