深度学习入门:基于python的理论与实现
文章平均质量分 87
深度学习入门:基于python的理论与实现 笔记
WX WX R
这个作者很懒,什么都没留下…
展开
-
第七章 卷积神经网络(Convolutional Neural Network,CNN)
中使用了之前的“Affi ne -Softmax”组合。这些都是一般的CNN中比较常见的结构。原创 2024-08-28 14:02:55 · 1042 阅读 · 0 评论 -
第六章 与学习相关的技巧
在前几章中,为了找到最优参数,我们将参数的梯度(导数)作为了线索。使用参数的梯度,沿梯度方向更新参数,并重复这个步骤多次,从而逐渐靠近最优参数,这个过程称为。原创 2024-08-24 17:24:37 · 867 阅读 · 0 评论 -
第四章 神经网络的学习
如果以识别精度为指标,即使稍微改变权重参数的值,识别精度也仍将保持在32%,不会出现变化。而基于数学式的推导求导数的过程,则用“解析性”(analytic)一词,称为“解析性求解”或者“解析性求导”。在神经网络的学习中,寻找最优参数(权重和偏置)时,要寻找使损失函数的值尽可能小的参数。而如果把损失函数作为指标,则当前损失函数的值可以表示为0.92543 . . . 这样的值。是指处理未被观察过的数据(不包含在训练数据中的数据)的能力。因为如果以识别精度为指标,则。,然后以这个导数为指引,逐步更新参数的值。原创 2024-08-21 21:54:28 · 690 阅读 · 0 评论 -
第五章 误差反向传播
反向传播是基于链式法则的。原创 2024-08-23 15:07:13 · 677 阅读 · 0 评论 -
第三章 神经网络
我们把最左边的一列称为输入层(第0层),最右边的一列称为输出层,中间的一列称为中间层。中间层有时也称为“ 隐藏层 ”原创 2024-08-20 22:37:39 · 731 阅读 · 0 评论 -
第二章 感知机(perceptron)
感知机是具有输入和输出的算法,给定一个(或多个)输入后,将输出一个既定的值。下图中,w1、w2为权重,圆圈代表“ 神经元 ”或“ 节点 ”,当神经元计算传送过来的信号总和超过某个界限值时(阈值),才会输出1,这也称为“ 神经元激活 ”。原创 2024-08-20 16:38:42 · 233 阅读 · 0 评论