动手学深度学习 | 使用和购买GPU | 15
目录 使用GPU 购买GPU 整机配置 QA 使用GPU 其实如果没有钱买GPU的话，使用Google Colab也是一个不错的选择，大概是10 dollar一个月。 算力其实是很贵的... 利用好算力是一件很重要的事情！ 关于Nvidia ...
原文：动手学深度学习 | 深度学习硬件：CPU和GPU | 30
目录 CPU和GPU QA CPU和GPU 我们讲讲GPU和CPU是什么，而且为什么深度学习使用GPU会快。 上图最直观的就是CPU的浮点运算能力比显卡差很多，但是显卡的显存不会很大， G其实也就封顶了，但是CPU的内存可以一直叠加。 物理核只有一个，但是可以有 个超线程。就是市面上很多说的 核 线程。 超线程对于有IO等待的任务还是有用的，增加并行度。但是对于深度学习这种计算密集的，实际上超线 ...
2021-10-03 11:05 0 169 推荐指数：
相关推荐
动手学深度学习7-从零开始完成softmax分类
获取和读取数据 初始化模型参数 实现softmax运算 定义模型 定义损失函数 计算分类准确率 训练模型 小结 获取和读取数据 我们将使用Fahs ...
动手学深度学习PyTorch版-task01
task0101.线性回归 优化函数 - 随机梯度下降 当模型和损失函数形式较为简单时，上面的误差最小化问题的解可以直接用公式表达出来。这类解叫作解析解（analytical solution）。本节使用的线性回归和平方误差刚好属于这个范畴。然而，大多数深度学习模型并没有解析解，只能 ...
动手学深度学习--文本情感分析之RNN
⽂本分类是⾃然语⾔处理的⼀个常⻅任务，它把⼀段不定⻓的⽂本序列变换为⽂本的类别。它的⼀个⼦问题：使⽤⽂本情感分类来分析⽂本作者的情绪。这个问题也叫情感分析，并有着⼴泛的应⽤。例如，我们 ...
动手学深度学习 | 预测房价竞赛总结 | 16
目录 竞赛总结 QA 竞赛总结 我们讲知识，也不可能所有东西都cover到，让大家竞赛不是让大家去学某个特定的知识，而是说大家遇到一个问题，怎么去找一个 ...
动手学深度学习13-权重衰减
权重衰减 高维线性回归实验 从零开始实现 初始化模型参数 定义L2范数惩罚项 定义训练和测试 使用权重衰减 pytorch简洁实 ...
动手学深度学习三---多层感知机MLP
1、隐藏层 多层感知机在单层神经网络中引入了一到多个隐藏层，隐藏层位于输入层和输出层之间 输入层特征数为4个，输出层标签类别为3，隐藏单元5个，输入层不涉及计算，多层感知机层数为2 隐藏层中 ...
对比《动手学深度学习》 PDF代码+《神经网络与深度学习 》PDF
随着AlphaGo与李世石大战的落幕，人工智能成为话题焦点。AlphaGo背后的工作原理"深度学习"也跳入大众的视野。什么是深度学习，什么是神经网络，为何一段程序在精密的围棋大赛中可以大获全胜？人工智终将会取代人类智慧吗？ 《神经网络与深度学习》是一本介绍神经网络和深度学习算法基本原理及相关实例 ...