【李沐】动手学深度学习 学习笔记

引言

深度学习作为当今人工智能领域的热点，吸引了越来越多的人投身其中。李沐老师是深度学习领域的著名学者，他的《动手学深度学习》课程深入浅出，为广大初学者提供了宝贵的资源。以下是我学习这门课程的一些笔记和心得。

一、环境搭建

在学习深度学习之前，首先需要搭建一个合适的环境。这里推荐使用Python作为编程语言，配合Anaconda管理环境和各种依赖性包。以下是创建虚拟环境并安装所需库的代码：

        conda create -n dl Python=3.6
        conda activate dl
        pip install numpy matplotlib jupyter opencv-Python
    

二、线性回归

线性回归是最明了的机器学习模型，通过找到最佳拟合直线来预测数值。以下是使用Python实现线性回归的代码：

        import numpy as np
        # 生成数据
        x_data = np.random.rand(100).reshape(100, 1)
        y_data = 2 * x_data + 1 + 0.1 * np.random.randn(100).reshape(100, 1)
        # 构建模型
        def build_model(x, y):
            W = np.random.randn()
            b = np.random.randn()
            y_pred = x * W + b
            loss = np.mean((y_pred - y) ** 2)
            return W, b, loss
        # 训练模型
        learning_rate = 0.01
        for i in range(1000):
            W, b, loss = build_model(x_data, y_data)
            dW = 2 * np.mean((W * x_data + b - y_data) * x_data)
            db = 2 * np.mean(W * x_data + b - y_data)
            W -= learning_rate * dW
            b -= learning_rate * db
            if i % 100 == 0:
                print("Epoch %d, Loss: %f" % (i, loss))
        print("Final Loss: %f" % loss)
    

三、总结

通过学习李沐老师的《动手学深度学习》课程，我对深度学习有了更深入的了解。以上只是课程中的一部分内容，后续将继续学习并分享更多笔记和心得。

本文由IT视界版权所有,禁止未经同意的情况下转发