- 博客(4)
- 收藏
- 关注
RSS订阅原创 动手学深度学习——深度学习计算（学习记录）
每个单独的层接收输入（由前一层提供）， 生成输出（到下一层的输入），并且具有一组可调参数， 这些参数根据从下一层反向传播的信号进行更新。它的任何子类都必须定义一个将其输入转换为输出的前向传播函数， 并且必须存储任何必需的参数，最后，为了计算梯度，块必须具有反向传播函数。此外，当运行一个耗时较长的训练过程时， 最佳的做法是定期保存中间结果， 以确保在服务器电源被不小心断掉时，我们不会损失几天的计算结果。例如，我们上面模型中的第一个全连接的层接收一个20维的输入，但是返回一个维度为256的输出。
2024-05-15 00:45:17
1038
原创 动手学深度学习——多层感知机（学习笔记）
线性模型可能会出错：线性意味着单调假设， 任何特征的增大都会导致模型输出的增大（对应的权重为正），或者导致模型输出的减小（对应的权重为负）。而我们也可以很容易找出违反单调性的例子，例如对猫狗的图像进行分类，在这里我们的数据会有一种表示，这种表示会考虑到我们在特征之间的相关交互作用。可通过在网络中加入一个或多个隐藏层来克服线性模型的限制，使其能处理更普遍的函数关系类型。最简单的方法是将许多全连接层堆叠在一起，形成多层感知机（multilayer perceptron）架构，缩写为MLP。
2024-04-28 20:57:20
1887
原创 数字图像处理实验（一）——图像基本变换
（1）imread函数功能：读取图像文件调用格式：A = imread(filename, fmt)filename为图像文件名，fmt为文件的扩展名。若文件不在当前目录或不在Matlab目录下，则需要列全文件路径。（2）imshow函数功能：显示图像。调用格式：imshow(I,n)：显示灰度图像I，n为要显示图像的灰度等级，整数，默认为256。
2024-04-14 19:06:16
2088
1
原创 动手学深度学习——线性神经网络（学习记录）
接下来我们实现一个训练函数， 它会在train_iter访问到的训练数据集上训练一个模型net。如果X是一个形状为(2, 3)的张量，我们对列进行求和， 则结果将是一个具有形状(3,)的向量。在展示训练函数的实现之前，我们定义一个在动画中绘制数据的实用程序类Animator， 它能够简化本书其余部分的代码。同样，对于任意数据迭代器data_iter可访问的数据集， 我们可以评估在任意模型net的精度。作为一个从零开始的实现，我们使用小批量随机梯度下降来优化模型的损失函数，设置学习率为0.1。
2024-04-07 09:14:13
2019
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人