草履虫都能看懂的白话解析《动手学深度学习》

参与11月更文挑战的第19天，活动详情查看：2021最后一次更文挑战 为什么要单独摘出来参数讲一下。 因为在训练的过程中，我们的目标就是找到让损失函数最小化的参数值。经过训练之后我们需要将这些参数拿出

参与11月更文挑战的第17天，活动详情查看：2021最后一次更文挑战 写在最前边 虽然这个文章叫PyTorch教程，但是零基础应该是看不懂的（即使我每一行代码都写详细解释）。我感觉还是在零基础的时候先

参与11月更文挑战的第16天，活动详情查看：2021最后一次更文挑战 这个模型长这样： (0)：对输入进行处理，即28*28的扁平化为784的向量 (1)：第一层是输入层 (2): 对第一层加激活函数

参与11月更文挑战的第16天，活动详情查看：2021最后一次更文挑战 assert（断言）用于判断一个表达式，在表达式条件为 false 的时候触发异常。断言可以在条件不满足程序运行的情况下直接返回错

参与11月更文挑战的第16天，活动详情查看：2021最后一次更文挑战 一个好的模型需要对输入数据的扰动鲁棒 使用有噪音的数据等价于Tikhonov正则 丢弃法：在层之间加入噪音 《退学率》 《动手学深

参与11月更文挑战的第16天，活动详情查看：2021最后一次更文挑战 首先是生成人工数据集： $$ y = 0.05 + \sum_{i = 1}^d 0.01 x_i + \epsilon \tex

参与11月更文挑战的第16天，活动详情查看：2021最后一次更文挑战 首先是生成人工数据集： $$ y = 0.05 + \sum_{i = 1}^d 0.01 x_i + \epsilon \tex

参与11月更文挑战的第15天，活动详情查看：2021最后一次更文挑战 原书写的是weight decay，也就是权重衰退，我是自己加了和正则化。因为我入门看的是吴恩达，李沐老师讲了半天之后我发现？恩？

参与11月更文挑战的第14天，活动详情查看：2021最后一次更文挑战 作为一个刚入门的人，讲道理虽然我们实验室好几张卡。但是我一次也没用到过，我也不知道怎么用。 现在要开始学怎么用了！ 查看显卡信息。

参与11月更文挑战的第14天，活动详情查看：2021最后一次更文挑战 这段代码是理解这篇文章的关键！ 首先，我们需要手动生成一个人工数据集。给定$x$，[使用以下三阶多项式来生成训练和测试数据的标签：

参与11月更文挑战的第13天，活动详情查看：2021最后一次更文挑战 手动实现多层感知机已经很简单了，现在看一下怎么用框架实现。 依旧是实现一个两层模型： 可能有人会有疑问为什么这是两层模型，我看到的

参与11月更文挑战的第12天，活动详情查看：2021最后一次更文挑战 要实现的多层感知机结构是这样的两层结构： 这里应该不用解释。看过我《动手学深度学习》笔记前几篇文章的应该都知道这里是设置mini-

参与11月更文挑战的第10天，活动详情查看：2021最后一次更文挑战 参考手动实现softmax回归那一篇文章：动手学深度学习3.6-手动实现softmax回归 - 掘金 (juejin.cn) 这里

参与11月更文挑战的第9天，活动详情查看：2021最后一次更文。目前广泛使用的图像分类数据集之一是MNIST数据集 LeCun.Bottou.Bengio.ea.1998

这是我参与11月更文挑战的第5天，活动详情查看：2021最后一次更文挑战 softmax回归这段代码太长了，感觉今天十二点以前我写不完解析了。明天再补上

参与11月更文挑战的第2天，活动详情查看：2021最后一次更文挑战 一开始还是导包，现在就不用自己写了，直接用pytorch的nn模块。

这是我参与11月更文挑战的第1天，活动详情查看：2021最后一次更文挑战 d2l这个包是李沐老师团队自己为这个书整的一个配套的package，需要自己下载一下。 这一步是手动生成一个数据集，因为没现成