pytorch笔记

这篇博客主要记录了学习PyTorch所需的前置知识,包括线性代数、微积分、数理统计和Python基础。还介绍了深度学习中的反向传播法和核心概念——链式求导。此外,对比了TensorFlow和PyTorch两个深度学习框架。内容涵盖数据集处理、模型构建、训练过程、测试阶段以及梯度下降法在寻找最优模型参数W和B中的应用,同时讨论了学习率α的重要性。
摘要由CSDN通过智能技术生成

简单记录一些学习pytorch的前置基础知识

知识基础

  • 线代+高数+数理统计

  • python

反向传播法

核心:链式求导

深度学习框架

  • TensorFlow(Google)
  • PyTorch(Facebook)

过程

  • 数据集
  • 模型
  • 训练
  • 测试

梯度下降法

找模型中最佳W和B

学习率α:W每次移动多少。小点更好。

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

打赏作者

熠熠晨曦_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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