Coder

Date: 2021-12-27Repositity: Gitee本节引出分类问题，使用模型为Logistic regression。使用数据集为：MNIST手写数字数据集。0. MNIST Dataset关于MNIST数据集有：训练集大小：60000张手写样本；测试集大小：10000张手些样本；共计10个类别：{0, 1, 2, 3, 4, 5, 6, 7, 8, 9}因此我们需要区分出来 y∈{0, 1, 2, 3, 4, 5,6,

Date: 2021-12-20Repositity: Gitee0. 回顾前述模型为： y^=x∗ω+b\hat{y} = x * \omega + by^​=x∗ω+b ，损失函数为MSE: loss=(x∗ω−y)2loss = (x*\omega - y)^2loss=(x∗ω−y)2 ，优化器为梯度下降GD。for epoch in range(100): # Use Tensor: x_data, y_dta for x, y in zip(x_data, y_da.

Date: 2021-12-20Repositity: Gitee0. 前言Reference: WIKI反向传播（英语：Back Propagation，缩写为BP）是“误差反向传播”的简称，是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。该方法对网络中所有权重计算损失函数的梯度。这个梯度会回馈给最佳化方法，用来更新权值以最小化损失函数。反向传播要求对每个输入值得到已知输出，来计算损失函数梯度。因此，它通常被认为是一种监督式学习方法，虽然它也用在一些无监督.

梯度下降

Date: 2021-12-17Repositity: Gitee0. 前言通常深度学习模型的训练流程可以简单分为以下4个部分：准备数据集（包含预处理）选择或设计模型（包含loss和优化器）训练（找到最佳的模型参数）推理（部署）接下来从基础的线性模型入手展开。1. 数据集注意事项这里以学习时间和成绩作为样本，考虑篇幅这里仅用文字描述。""" Dataset """# hours[1, 2, 3, 4]# points[2, 4, 6, ?]如上所示，这里给出数据集.