前言
我认为，沐神的第七节课和第八节课十分的重要，是后面的基础。一定要掌握牢固了。
先处理几个问题：
1、图片不显示的问题
因为沐神使用的是jupyter，而我使用的是pycharm，所以在原本的d2l.plt…后面需要添加一行代码，比如
或者在 调用d2l的时候，后面添加d2l.plt.show()
2、ModuleNotFoundError: No module named ‘d2l’
解决办法是，下载d2l包
d2l包里面包含这几个文件，沐神的GitHub里面 下载地址
3、多线程的问题
报错原因是因为李沐用的linex系统，直接这样写没有问题，但是在window系统下，就出问题了，解决办法是，把return的值由4改为0，后面他直接调用的d2l.torch里面也需要改，遇到这个错误的时候，直接改就可以了。
代码详细解释
沐神提供了两个版本，一个是从零开始实现，一个是简洁实现。所谓的简洁实现就是用一些torch自带的库和他自己的d2l封装在一起的，沐神很贴心的后面加上了 # @save。
1、
torch.normal(a,b,c) # a:均值、b方差、c是size
len(w) # 方法返回对象（字符、列表、组等）长度或项目个数。
torch.matmul的维度问题 （[1,2,3]是一维的，而[[1,2,3]]是二维的只不过只有一行而已）
一维乘以一维==》标量
二维乘以二维==》矩阵
一维乘以二维==》3×(3×2)》(1×3)×(3×2)》1×2==》2（例子）
一维乘以二维==》(3×2)×2==》(3×2)×(2×1)》3×1》3（例子）
2、
yield：作用就是使用一个固定大小的内存来处理不断生成的数据，从未达到减少内存的消耗。
yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，调用 data_iter(1) 不会执行data_iter 函数，而是返回一个 iterable 对象！在 for 循环执行时，每次循环都会执行 data_iter函数内部的代码，执行到 yield 时，data_iter函数就返回一个迭代值，下次迭代时，代码从 yield 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。
也可以手动调用 data_iter的 next() 方法（因为data_iter 是一个 generator 对象，该对象具有 next() 方法），这样我们就可以更清楚地看到 data_iter 的执行流程。
一言以蔽之：yield就像一个中断器，每次循环调用一次。
for X, y in data_iter(batch_size, features, labels):
在这个循环中，yield了一次，生成了一个batch_size的数据，进入循环体进行处理。处理完之后，执行for的时候又生成了一个batch_size的数据，再进行处理，直到所有的数据全部处理完成。
3、简洁实现
逐行解释
PyCharm激活2023.2.4
4、回归问题
理解：真实的值是0和2，第一次预测的0,1,2的概率分别为[0.1,0.3,0.6]，第一次预测的0,1,2的概率分别为[0.3, 0.2, 0.5]，那么两次预测都正确的概率为[0.1,0.5]
PyCharm激活2023.2.4
2024最新激活全家桶教程，稳定运行到2099年，请移步至置顶文章：https://sigusoft.com/99576.html
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。 文章由激活谷谷主-小谷整理,转载请注明出处：https://sigusoft.com/119888.html
