05-线性代数

本节目录

• 1. 线性代数基础知识
  • 1.1 标量
  • 1.2 向量
  • 1.3 矩阵
    • 1.3.1 矩阵的操作
    • 1.3.2 特殊矩阵
    • 1.3.3 特征向量和特征值
• 2. 线性代数实现
  • 2.1 标量
  • 2.2 向量
  • 2.3 矩阵
    • 2.3.1 创建
    • 2.3.2 转置
    • 2.3.3 reshape
    • 2.3.4 clone
    • 2.3.5 sum
    • 2.3.6 numel
    • 2.3.7 mean
    • 2.3.8 dot
    • 2.3.9 mm、mv
    • 2.3.10 L1、L2、F范数
    • 2.3.11 运算
    • 2.3.12 广播

1. 线性代数基础知识

这部分主要是由标量过渡到向量，再从向量拓展到矩阵操

Read more

04-数据读取和操作

本节目录

• 1. 数据操作
  • 1.1 基本操作
  • 1.2 简单运算
  • 1.3 广播机制
  • 1.4 索引和切片
  • 1.5 节约内存
  • 1.6 转换为其他Python对象
• 2. 数据预处理
  • 2.1 读取数据集
  • 2.2 处理缺失值
  • 2.3 转换为张量格式
• 3. Q&A

1. 数据操作

为了能够完成各种数据操作，我们需要某种方法来存储和操作数据。通常，我们需要做两件重要的事：

1. 获取数据；
2. 将数据读入计算机后对其进行处理。

如果没有某种方法来存储数据，那么获取数据是没有意义的。

首先，我们介绍 n 维数组，也称为张量（tensor）。PyTorch的张量类与Numpy的n

Read more

02-深度学习介绍

本节目录

• 1. 概述
  • 1.1 AI地图
  • 1.2 AI地图解读
• 2. 深度学习的应用
  • 2.1 图片分类
  • 2.2 物体检测和分割
  • 2.3 样式迁移
  • 2.4 人脸合成
  • 2.5 文字生成图片
  • 2.6 文字生成
  • 2.7 无人驾驶
  • 2.8 案例研究——广告点击
    • 2.8.1 步骤
    • 2.8.2 模型的预测与训练
    • 2.8.3 完整的故事
• 3. 总结
• 4. 深度学习介绍 Q&A

1. 概述

1.1 AI地图

首先画一个简单的人工智能地图：

• x轴表示不同的模式or方法：最早的是符号学，接下来是概率模型，之后是机器学习

• y轴表示可以达到的层次：由底部向上依次是

  感知：

Read more