【SE笔记】Git的基本使用
获得Github的授权 只有在获得Github授权之后才能同步本地和Github的仓库数据，这里使用Personal Access Token进行授权，不用SSH。首先当然是要获取到一个PAT了，链接是这个👉🏻https://github.com/settings/tokens 获取到链接后，在用户Home根目录执行以下命令配置Credential 12git config --global
【ML笔记】多层感知机总结 (D2L)
概念 多层感知机是一种最简单的深度网络，分为输入层，隐藏层和输出层，其中隐藏层的每一层都有很多节点，每个节点代表一个变换（计算方法），包括常用的两个参数，即weight（权重）和bias（偏置量） 隐藏层 ¶基本原理 由于输入层输入的数据（如图片的像素，声音的频率等）和输出层（如分类概率，判断等）之间难以找出直接的联系，因此引入隐藏层来讲输入特征进行特征提取，形成一个隐藏层，然后再将隐藏层的结果输
【ML笔记】PyTorch第一阶段总结
题头 在PyTorch学习的第一阶段，我基本上掌握了加载，训练，使用，保存模型的基本方法，下面对使用到的函数和方法进行一个阶段性的总结。这篇文章全程在typora里面完成，没有任何代码提示，算是默写，但也没有经过测试。 初始化 初始化一般是导入模型，引入最基本的库，设置运行设备等等。 ¶引入最基本的库 1234# 这些都是有关pytorch的大头import torchimport torch.n
【ML笔记】PyTorch Custom Dataset（自定义数据集）
题头 本文为notebook直接转为markdown，因本人的MBP内存过于拉胯，所以Food101数据还需要缩小才能继续训练。其他代码在macOS上面已经运行训练成功。也可以点击这个链接直接在Colab里面打开👉🏻https://drive.google.com/file/d/1Lee_oohIN99bHRm1kMEi25VgxTSFe1fF/view?usp=sharing。 但是Cola
【ML笔记】PyTorch Computer Vision（计算机视觉）
以下为notebook直接转化为markdown，在macOS上可以运行。 可以在这里试试直接在Google Colab里运行，理论上也行👉🏻https://drive.google.com/file/d/1CjHEb3ZspR_3qbHjJgenfrGmeJC75nF8/view?usp=sharing 下面的内容主要是CNN的初级训练和使用，初学者所为，大佬门看个乐子就行🤪 PyTorc
【ML笔记】PyTorch在Mac上开启GPU加速
前言 众所周知，炼丹一般是在老黄的卡上跑的（人话：一般在NVIDIA显卡上训练模型），但是作为果果全家桶用户+ML初学者，其实M芯片的GPU也可以用来GPU加速，效果指不定还比Google Colab上面分给你的T4要快。而PyTorch早在2022年就支持M芯片的GPU加速了，老黄的卡叫CUDA，果果的GPU就叫MPS (Metal Performance Shaders)，下面来看看怎么开启。
【ML笔记】在VSCode中不同提示图标的含义
这里的图标适用于所有使用VSCode图标样式的编辑器，包括Google Colab。最近在学习ML，懂得提示图标的含义可以很方便地了解一个Object的用法。 以下图标以Python为例来解释，将持续更新 局部变量 成员变量 属性 模块 方法 函数
【ML笔记】PyTorch Classification（分类）
以下是notebook直接转换成markdown，在Google Colab上可以正常执行。 可以在这里直接进入👉https://colab.research.google.com/drive/1Xf0wMvc_bG-bMMewme__oDXtE5KmmBCG?usp=sharing 下面的内容为经典的ML应用：classification，分类。 Some hyperparameters（Fo