PyTorch第二讲:MNIST“手写数字问题”的数学知识

本篇内容探讨了使用PyTorch解决MNIST手写数字识别问题的数学基础。通过建立3层嵌套的线性回归模型,解释了为何最终层设置为10个节点来识别0到9的数字。引入非线性因素,如Sigmoid、Tanh和ReLU激活函数,以提升模型的识别能力。最后,介绍了如何通过argmax找到预测的数字标签。
摘要由CSDN通过智能技术生成

课程:https://www.bilibili.com/video/BV1Rv411y7oE?p=7  P6-P7

对于一个28*28=784个像素格的图片X(维数是[1,784],我们令这个784表示为dx),设置3层嵌套的线性回归:

其中d1是H1层的维度(即经过H1层后输出的节点个数),d2是经过H2层后输出的节点个数,10是经过H3层后输出的节点个数(为什么是10呢:因为要识别0~9个数字,所以设定最后是10个节点,每个节点的数字表示识别为每个数字的概率)。

所以得到表达式:

但是这样的式子终归是线性表达,而人要想从手写数字中识别数字,就应该用有非线性的因子。因此在每一层中间加入一个非线性因子(激活函数)。

常见激活函数:

1.Sigmoid

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值