附录 A — 关于数据
本文大部分数据都是开源的，你可以在不同的平台上找到它们。
1. MNIST 数据集
- 包含了 60,000 张 28x28 像素的灰度图像，用于训练和测试手写数字识别模型。
- 每个图像都被标记为 0 到 9 之间的一个数字。
- 地址：Kaggle MNIST Dataset
各列说明：
- train-images-idx3-ubyte.gz: training set images (9912422 bytes)
- train-labels-idx1-ubyte.gz: training set labels (28881 bytes)
- t10k-images-idx3-ubyte.gz: test set images (1648877 bytes)
- t10k-labels-idx1-ubyte.gz: test set labels (4542 bytes)
章 章节 8
1. 北京 PM2.5 数据
- 文件名：
PRSA_data_2010.1.1-2014.12.31.csv - 该数据集包含了 2010 年至 2014 年北京每个小时的 PM2.5 浓度数据。
- 地址：UCI Machine Learning Repository
- 关键词：
Beijing PM2.5
数据各列说明：
| variable_name | type | description | units | missing_values |
|---|---|---|---|---|
| No | Integer | 序号 | 0 | |
| year | Integer | 年份 | 0 | |
| month | Integer | 月份 | 0 | |
| day | Integer | 日期 | 0 | |
| hour | Integer | 小时 | 0 | |
| pm2.5 | Integer | PM2.5 浓度 | μg/m^3 | 2067 |
| DEWP | Integer | 露点温度 | C | 0 |
| TEMP | Integer | 气温 | C | 0 |
| PRES | Integer | 大气压 | hPa | 0 |
| cbwd | Categorical | 综合风向 | 0 | |
| Iws | Integer | 累计风速 | m/s | 0 |
| Is | Integer | 累计降雪小时数 | 0 | |
| Ir | Integer | 累计降雨小时数 | 0 |
2. IMDB 电影评论数据集
- 文件名：
aclImdb_v1.tar.gz(解压后包含aclImdb文件夹) - 该数据集包含了：50,000 条极其明显的两极分化（正面/负面）的电影评论，广泛用于二分类情感分析任务。数据被平均分为训练集（25,000条）和测试集（25,000条），且每个集合中正负样本各占一半。此外，还包含 50,000 条未标记的评论用于无监督学习。
- 地址：Stanford AI Lab - Andrew Maas
原始数据存储为文本文件（每个评论一个
.txt文件），分布在train/pos,train/neg,test/pos,test/neg文件夹中。
3. GloVe 预训练词向量
- 本书使用的 GloVe 预训练词向量文件为
glove.2024.wikigiga.50d.zip - 地址：Stanford NLP Group - GloVe
- 除了 50d 版本，GloVe 还提供了 100d、200d、300d 版本的预训练词向量。
- 该数据集包含了 400,000 个单词的预训练词向量，每个向量的维度为 50、100、200 或 300。这些向量是通过在大规模文本语料库上使用无监督学习训练得到的，能够捕捉到单词之间的语义关系。
关于提示块 (callout block) 的说明：
提示
这是 tip（技巧）：用于提供“捷径”、最佳实践或优化建议。
适用场景：比如建议读者：“提示：使用 GPU 可以将这段训练代码的速度提升 10 倍。”这是为了让读者做得更好、更快。
注记
这是 note（备注）：用于补充背景知识、来源说明或非关键信息。
适用场景：比如你在书中介绍某个算法时，顺便提一句：“注：该算法最早由 Yann LeCun 在 1998 年提出。”读者即使跳过这段话，也不影响对后续代码的理解。
重要
这是 important（重要）：虽然不是报错警告，但如果你不读这段话，可能会导致概念理解错误。
适用场景：比如在讲解核心逻辑前：“重要：在继续下一章之前，请务必理解‘动态计算图’的概念，否则你将无法看懂后面的自定义层代码。”
注意
这是 caution（小心）：用于提醒常见的陷阱、容易犯的错或性能问题。
适用场景：比如代码可能报错但不致命的情况：“注意：如果在 CPU 上运行此函数，由于内存限制，可能会导致 R 此时响应变慢。”
警告
这是 warning（警告）：用于警示破坏性操作、不可逆的后果或严重错误。
适用场景：这是最高级别的警示：“警告！该操作会清空当前目录下所有的模型检查点（Checkpoints），请确保你已经做好了备份。”