code output ideal

tom666tom666 · Feb 25, 2019 · d6ccc8a · d6ccc8a
1 parent 93162f8
commit d6ccc8a
Show file tree

Hide file tree

Showing 3 changed files with 4 additions and 0 deletions.
diff --git a/chapter_computational-performance/multiple-gpus-gluon.md b/chapter_computational-performance/multiple-gpus-gluon.md
@@ -116,6 +116,7 @@ train(num_gpus=2, batch_size=512, lr=0.2)
 
 * 在Gluon中，可以很方便地进行多GPU计算，例如，在多GPU及相应的显存上初始化模型参数和训练模型。
 
+
 ## 练习
 
 * 本节使用了ResNet-18模型。试试不同的迭代周期、批量大小和学习率。如果条件允许，使用更多GPU来计算。

diff --git a/chapter_computer-vision/kaggle-gluon-cifar10.md b/chapter_computer-vision/kaggle-gluon-cifar10.md
@@ -325,6 +325,8 @@ df.to_csv('submission.csv', index=False)
 
 执行完上述代码后，我们会得到一个submission.csv文件。这个文件符合Kaggle比赛要求的提交格式。提交结果的方法与[“实战Kaggle比赛：房价预测”](../chapter_deep-learning-basics/kaggle-house-price.md)一节中的类似。
 
+
+
 ## 小结
 
 * 可以通过创建`ImageFolderDataset`实例来读取含原始图像文件的数据集。

diff --git a/chapter_natural-language-processing/word2vec-gluon.md b/chapter_natural-language-processing/word2vec-gluon.md
@@ -1,5 +1,6 @@
 # word2vec的实现
 
+
 本节是对前两节内容的实践。我们以[“词嵌入（word2vec）”](word2vec.md)一节中的跳字模型和[“近似训练”](approx-training.md)一节中的负采样为例，介绍在语料库上训练词嵌入模型的实现。我们还会介绍一些实现中的技巧，如二次采样（subsampling）。
 
 首先导入实验所需的包或模块。
Original file line number	Diff line number	Diff line change
Expand Up		@@ -116,6 +116,7 @@ train(num_gpus=2, batch_size=512, lr=0.2)

		* 在Gluon中，可以很方便地进行多GPU计算，例如，在多GPU及相应的显存上初始化模型参数和训练模型。


		## 练习

		* 本节使用了ResNet-18模型。试试不同的迭代周期、批量大小和学习率。如果条件允许，使用更多GPU来计算。
Expand Down
Original file line number	Diff line number	Diff line change
Expand Up		@@ -325,6 +325,8 @@ df.to_csv('submission.csv', index=False)

		执行完上述代码后，我们会得到一个submission.csv文件。这个文件符合Kaggle比赛要求的提交格式。提交结果的方法与[“实战Kaggle比赛：房价预测”](../chapter_deep-learning-basics/kaggle-house-price.md)一节中的类似。



		## 小结

		* 可以通过创建`ImageFolderDataset`实例来读取含原始图像文件的数据集。
Expand Down