经过几天的学习,我对深度学习里的神经网络有了大致的了解,python的应用更加熟练,对pytorch也有了相应的了解。
首先是线性回归,虽然是很早以前就已经接触过的知识点,但是在机器学习方面,又有了新的内容。训练集,样本,标签,特征…………不同以往的概念,但易于理解。损失函数和优化函数,根据情况不同会有不同的选择,我只是简单的了解其中常用的一两个,仅仅是会用罢了。
其次是多层感知机还有Softmax与分类模型,多层感知机就是在单层里加入隐藏层,经过激励函数的变换,得到输出,Softmax是logistic回归模型在多分类问题上的推广、logistic回归是一种广义的线性回归模型。这些回归模型都是单层的网络.
接下来是文本预处理以及语言模型,文本预处理可以将文本从词的序列转换为索引的序列,方便输入语言模型,进而方便索引与研究。
最后是循环神经网络基础,了解了循环神经网络的构造。
因为能力有限,尚未能将各个内容融会贯通,仅仅是流于表面。
路漫漫其修远兮,吾将上下而求索。
深度学习——打卡(第一次)
最新推荐文章于 2023-03-27 00:19:30 发布