Dive-into-DL-PyTorch
Dive-into-DL-PyTorch copied to clipboard
ShusenTang
本项目将《动手学深度学习》(Dive into Deep Learning)原书中的MXNet实现改为PyTorch实现。
**bug描述** 描述一下你遇到的bug, 例如报错位置、报错信息（重要, 可以直接截个图）等 ![Uploading image.png…]() 和之前学过的完全不一样： out_d=(in_d-k+2p)/s + 1 但是这本书里的公式为： out_d=(in_d-k+p+s)/s + 1 p==s??? 一般没听说默认步长一定等于padding吧？而且，padding这本书讲的也让人不明白，如果设定了padding是多少，那就是宽高都填1倍？这本书里是宽高都填1/2倍？卷积这部分真的是蒙了。用了那么久的卷积给我整不会了。 **版本信息** pytorch: torchvision: torchtext: ... 。
python 3.6.7 pytorch 1.1 torchvision 0.3 这一行报错 mnist_train = torchvision.datasets.FashionMNIST(root='~/Datasets/FashionMNIST', train=True, download=True, transform=transforms.ToTensor()) 0it [00:00, ?it/s] Using downloaded and verified file: /home/zhoushijie/Datasets/FashionMNIST/FashionMNIST/raw/train-images-idx3-ubyte.gz Extracting /home/zhoushijie/Datasets/FashionMNIST/FashionMNIST/raw/train-images-idx3-ubyte.gz Downloading http://fashion-mnist.s3-website.eu-central-1.amazonaws.com/train-labels-idx1-ubyte.gz to /home/zhoushijie/Datasets/FashionMNIST/FashionMNIST/raw/train-labels-idx1-ubyte.gz --------------------------------------------------------------------------- ZeroDivisionError...
**bug描述** 3.6_softmax-regression-scratch.ipynb "3.6.8 预测"下的cell运行错误: RuntimeError Traceback (most recent call last) in 2 3 true_labels = d2l.get_fashion_mnist_labels(y.numpy()) ----> 4 pred_labels = d2l.get_fashion_mnist_labels(net(X).argmax(dim=1).numpy()) 5 titles = [true + '\n' + pred for...
**bug描述** #  *版本信息** pytorch:1.1 torchvision: torchtext: ...
**bug描述** 1.第一章"深度学习简介"中，“这样的思想后来被 PyTorch和MXNet的Gluon API 采用，后者也正是本书用来教学深度学习的工具。”，其中“后者”应该改为“前者”。 2.第二章"2.3.1"节中，建议将这句话去掉：“如果不想要被继续追踪，可以调用.detach()将其从追踪记录中分离出来，这样就可以防止将来的计算被追踪，这样梯度就传不过去了。” detach()会创建一个新的tensor，这新的tensor是从追踪记录中分离的，但是原tensor仍然会被追踪记录。对原tensor，要么直接修改.requires_grad为False，要么使用with torch.no_grad()包裹起来，使用detach()是无效的。 3.第二章"2.3.3"节中，"我么"改为"我们".
您好！ 我翻译完了关于原书附录部分内容，请问是否可以添加进去？内容如下： 11.1 主要符号一览 11.2 数学基础 11.3 使用Jupyter记事本 11.4 使用AWS运行代码 11.5 GPU购买指南
**bug描述** 第一个epoch 没问题 第二个epoch, 出现如下问题： Trying to backward through the graph a second time, but the buffers have already been freed. Specify retain_graph=True when calling backward the first time. 修改loss.backward()为loss.backward(retain_graph)以后还是有问题...
欠拟合的图里为什么泛化误差比训练误差要小？  我画出来和书上是相反的。
Metadata
Owner
Metadata
本项目将《动手学深度学习》(Dive into Deep Learning)原书中的MXNet实现改为PyTorch实现。