- 博客(2)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 Logistic回归和Softmax回归
假设训练数据集为{(x1,y1),(x2,y2),...(xm, ym)}，即有m个样本，令x=[x0, x1, ..., xn]T，x0=1，即每个样本有n个特征，y∈{0, 1}。假设训练数据集为{(x1,y1),(x2,y2),...(xM, yM)}，即有M个样本，softmax回归使用交叉熵损失函数来学习最优的参数矩阵W，对样本进行分类。是由所有类别的后验概率组成的向量，第c个元素就是预测为第c类的概率，比如[0.05, 0.01, 0.9, 0.02, 0.02]，预测为第3类。
2023-07-28 11:33:14
532
1
原创 Pytorch不调包实现线性回归
此语句的使用使得在这条语句里的所有计算都不再继续计算梯度，避免了pytorch中图的重复积累浪费内存，甚至无法运行出结果的情况。值得注意的是，这里有一个问题还卡了笔者较长时间，就是使用该语句后weight和bias的梯度从何而来，这里笔者查阅资料得到了一个认识，就是loss是关于weight和bias的函数，在执行loss.sum().backward()的时候，所有有关weight和bias的梯度都已经存在图中，在没有grad.zero_()，这些变量并不会清零，所以后面可以继续使用。
2023-04-10 21:51:11
226
2
空空如也
基于 CNN 和 LSTM 的高速公路流量预测问题
2022-07-28
TA创建的收藏夹 TA关注的收藏夹
TA关注的人