- 博客(2)
- 收藏
- 关注
RSS订阅原创 softmax的实现
此时需要x*y个w，对于样本，需要计算其类别的可能性，进行y次线性运算。遍历训练数据集中的每个批次，计算模型在输入 x下的输出 y_hat，然后计算模型输出和真实标签之间的损失 l。对于data_iter中的x,y，经过net预测后的x与实际值y相同则加入metric,返回值为正确率。softmax是为了实现分类问题而提出，设在某一问题中，样本有x个特征，分类的结果有y类，函数的目的是对模型进行训练和参数更新，并在每个 epoch 后评估模型在测试集上的准确率。先输入张量X进行指数运算，得到一个新的张量。
2023-04-15 16:32:05
951
1
原创 线性回归模型的实现
batch_size表示样本的数量，random.shuffle对 列表进行随机排序，打乱样本的顺序。y_hat表示预测值，y.reshape()用于改变y的形状，计算其差值的平方并除以2作为损失值。参数w:表示线性回归模型中的权重，一个一维张量，第一个元素为2，第二个元素为-3.4。防止下一次不会受到之前的梯度信息的影响，从而保证了模型参数更新计算的正确性。就可以从乱序后的样本列表中顺序读取一段连续的下标，得到一组小批量的样本。对于在数据集中的小批量样本中的x,y，计算预测与实际值的偏差。
2023-04-15 16:31:46
103
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人