[动手写神经网络] 如何对数据集归一化（transforms.Normalize）以 mnist 数据集为例（mean=0.1307, std=0.3081）
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
[动手写神经网络] 01 认识 pytorch 中的 dataset、dataloader（mnist、fashionmnist、cifar10）
...
[动手写神经网络] 如何对数据集（ImageNet） denormalize（inverse normalize）还原为原来的均值和标准差（mean/std）
...
[动手写神经网络] 手动实现 Transformer Encoder
...
[动手写神经网络] 05 使用预训练 resnet18 提升 cifar10 分类准确率及误分类图像可视化分析
...
[动手写神经网络] 08 WandB（weights & biases）深度学习调参利器
...
[动手写神经网络] 06 自定义（kaggle）数据集（custom dataset）、Dataloader，及 train test valid 数据集拆分
...
[动手写神经网络] 可微才可学，深度学习框架自动微分计算图（DAG）
...
[动手写神经网络] pytorch 高维张量 Tensor 维度操作与处理，einops
...
[动手写神经网络] 03 自定义 CNN 模型适配新的数据集 CIFAR10（适配+简单调参）
...
[pytorch 强化学习] 13 基于 pytorch 神经网络实现 policy gradient（REINFORCE）求解 CartPole
...
[动手写神经网络] 04 使用预训练 vgg 提升 cifar10 分类准确率
...
[pytorch 网络模型结构] batchnorm train 及 eval 模式的差异及（running_mean, running_var）的计算细节
...
[动手写神经网络] 02 逐行写代码 CNN pipeline 图像分类（模型结构、训练、评估）
...
[动手写神经网络] 07 预训练 resnet 解决 kaggle weather dataset（validation dataset）的使用
...
[动手写bert系列] 01 huggingface tokenizer （vocab，encode，decode）原理及细节
...
[性能测试] 03 单 4090 BERT、GPT2、T5 TFLOPS 测试及对比 3090TI
...
[数据可视化] 绘制交互式 3d plot（interactive 3d plot, Axes3d） z=f(x, y) （三维空间中的 surface）
...
[pytorch 强化学习] 01 认识环境（environment，gym.Env）以及 CartPole-v0/v1 环境
...
[pytorch distributed] 01 nn.DataParallel 数据并行初步
...
[LLMs 实践] 01 llama、alpaca、vicuna 整体介绍及 llama 推理过程
...
[pytorch 强化学习] 10 从 Q Learning 到 DQN（experience replay 与 huber loss / smooth L1）
...
《剑仙武帝：开局玄武门之变》第1-102集 - 废柴穿越成大将军，一剑在手，可斩逆臣贼子，可诛漫天敌手，可伐妖境魔域，可护心爱之人！一剑斩魔，可破日月！ #
...
[pytorch] [求导练习] 03 计算图（computation graph）及链式法则（chain rule）反向传播过程
...
[矩阵分析] LoRA 矩阵分析基础之 SVD low rank approximation（低秩逼近）
...
[pytorch 网络拓扑结构] 深入理解 nn.LayerNorm 的计算过程
...
[矩阵分析] 分块矩阵的角度理解矩阵运算（独热向量与对角矩阵）
...
[LLMs 实践] 20 llama2 源码分析 cache KV（keys、values cache）加速推理
...
[AI 核心概念及计算] 概率计算 01 pytorch 最大似然估计（MLE）伯努利分布的参数
...
[蒙特卡洛方法] 02 重要性采样（importance sampling）及 python 实现
...
[调包侠] 使用深度学习模型（paddlehub - humanseg）进行人物提取（前景提取、抠图）
...
[工具的使用] python jupyter 环境安装配置拓展（nbextension）（ExcecuteTime：执行时间，Table of Content）
...
[强化学习基础 01] MDP 基础（概率转移，与POMDP、I-POMDP）
...
[LLMs inference] quantization 量化整体介绍（bitsandbytes、GPTQ、GGUF、AWQ）
...
[personal chatgpt] 从 RoPE 到 CoPE（绝对位置编码，相对位置编码，Contextual Position Encoding）
...
【数据处理】数据变换的三种形式，（几率）对数线性（log linear）、线性对数（linear log）、双对数log-log
...
[LLMs 实践] 04 PEFT/LoRA 源码分析
...
[Python 机器学习] 深入理解 numpy（ndarray）的 axis（轴/维度）
...
[pytorch 强化学习] 03 动手写迷宫环境（maze env）状态及动作策略初步（及动画保存）
...
[实战kaggle系列] 1. 使用 kaggle 命令行 api，进行数据集的下载
...
[pytorch 模型拓扑结构] 深入理解 nn.CrossEntropyLoss 计算过程（nn.NLLLoss(nn.LogSoftmax))