動手學深度學習 | 深度學習硬件：CPU和GPU | 30
目錄 CPU和GPU QA CPU和GPU 我們講講GPU和CPU是什么，而且為什么深度學習使用GPU會快。 上圖最直觀的就是CPU的浮點運算能力比顯卡差很多，但是顯卡的顯存不會很大，32G其實也就封頂了，但是CPU的內存可以一直疊加 ...
原文：動手學深度學習 | 使用和購買GPU | 15
目錄 使用GPU 購買GPU 整機配置 QA 使用GPU 其實如果沒有錢買GPU的話，使用Google Colab也是一個不錯的選擇，大概是 dollar一個月。 算力其實是很貴的... 利用好算力是一件很重要的事情 關於Nvidia Driver too old的問題，如果是服務器的話，這里不要盲目的去更新顯卡驅動，這樣子會把別人的環境搞壞的。 正確的方式應該是去安裝適合自己驅動的版本的框架。 ...
2021-09-22 10:41 0 115 推薦指數：
相關推薦
動手學深度學習15-深度學習-正向傳播、反向傳播和計算圖
正向傳播 反向傳播 訓練深度學習模型 小結 前幾節里面我們使用了小批量隨機梯度下降的優化算法來訓練模型。在實現中，我們只提供了模型的正向傳播的(forward propagation)計算，即對於輸入計算模型輸出，然后通過autograd模塊來調用系統自動生成 ...
動手學深度學習--文本情感分析之RNN
⽂本分類是⾃然語⾔處理的⼀個常⻅任務，它把⼀段不定⻓的⽂本序列變換為⽂本的類別。它的⼀個⼦問題：使⽤⽂本情感分類來分析⽂本作者的情緒。這個問題也叫情感分析，並有着⼴泛的應⽤。例如，我們 ...
動手學深度學習 | 預測房價競賽總結 | 16
目錄 競賽總結 QA 競賽總結 我們講知識，也不可能所有東西都cover到，讓大家競賽不是讓大家去學某個特定的知識，而是說大家遇到一個問題，怎么去找一個 ...
動手學深度學習7-從零開始完成softmax分類
獲取和讀取數據 初始化模型參數 實現softmax運算 定義模型 定義損失函數 計算分類准確率 訓練模型 小結 獲取和讀取數據 我們將使用Fahsion_MNIST數據集，並設置批量大小為256 初始化模型參數 與線性回歸中的例子一樣 ...
動手學深度學習PyTorch版-task01
task0101.線性回歸 優化函數 - 隨機梯度下降 當模型和損失函數形式較為簡單時，上面的誤差最小化問題的解可以直接用公式表達出來。這類解叫作解析解（analytical solution）。本節使用的線性回歸和平方誤差剛好屬於這個范疇。然而，大多數深度學習模型並沒有解析解，只能 ...
動手學深度學習13-權重衰減
權重衰減 高維線性回歸實驗 從零開始實現 初始化模型參數 定義L2范數懲罰項 定義訓練和測試 使用權重衰減 pytorch簡潔實現 小結 上一節中提提到的過擬合現象，在模型的訓練誤差遠小於測試集上的誤差。雖然增大 ...
動手學深度學習三---多層感知機MLP
1、隱藏層 多層感知機在單層神經網絡中引入了一到多個隱藏層，隱藏層位於輸入層和輸出層之間 輸入層特征數為4個，輸出層標簽類別為3，隱藏單元5個，輸入層不涉及計算，多層感知機層數為2 隱藏層中 ...