1. 线性回归的基本要素: 模型、数据集、损失函数
2. 优化函数
优化函数的有以下两个步骤:
- (i)初始化模型参数,一般来说使用随机初始化;
- (ii)我们在数据上迭代多次,通过在负梯度方向移动参数来更新每个参数。
3. 矢量计算
向量相加的两种方法。
- 向量相加的一种方法是,将这两个向量按元素逐一做标量加法。
- 向量相加的另一种方法是,将这两个向量直接做矢量加法
4. softmax和分类模型
(1)softmax回归的基本概念
(2)获取Fashion-MNIST数据集和读取数据
(3)softmax回归模型的从零开始实现,实现一个对Fashion-MNIST训练集中的图像数据进行分类的模型
(4)使用pytorch重新实现softmax回归模型
5. 多层感知机
(1)多层感知机的基本知识
(2)使用多层感知机图像分类的从零开始的实现
(3)使用pytorch的简洁实现
6. 文本预处理
文本是一类序列数据,一篇文章可以看作是字符或单词的序列,本节将介绍文本数据的常见预处理步骤,预处理通常包括四个步骤:
(1)读入文本
(2)分词
(3)建立字典,将每个词映射到一个唯一的索引(index)
(4)将文本从词的序列转换为索引的序列,方便输入模型
7.语言模型
一段自然语言文本可以看作是一个离散时间序列,给定一个长度为TT的词的序列w1,w2,…,wTw1,w2,…,wT,语言模型的目标就是评估该序列是否合理,即计算该序列的概率:
P(w1,w2,…,wT).
8. 循环神经网络
目的是基于当前的输入与过去的输入序列,预测序列的下一个字符。循环神经网络引入一个隐藏变量H,用Ht表示H在时间步t的值。Ht的计算基于Xt和Ht−1,可以认为Ht记录了到当前字符为止的序列信息,利用Ht对序列的下一个字符进行预测。