深度学习+机器学习
文章平均质量分 69
平时学习的笔记
Alan and fish
虚心学习,沉潜,慎独,自律。
展开
-
深度学习开发流程
损失函数:用来度量深度学习模型的预测值f(x)与真实标签值Y的差异程度的运算函数,损失函数越小,模型型训练的效果越好。原创 2023-10-14 14:22:30 · 508 阅读 · 0 评论 -
在远程服务器上安装环境
进入官网,点击linux的小企鹅选择下载linux64位版本。原创 2023-08-18 10:22:22 · 266 阅读 · 0 评论 -
【多标签单分类】交叉熵计算
对https://blog.csdn.net/zfhsfdhdfajhsr/article/details/124689632这篇笔记进行补充,其中这个博主给的例子有错误。这是一个单标签多分类的问题,这个例子一共有3个类,要从三个类中选择一个类,将预测值和真实值输入进交叉熵损失函数,首先会对输入值进行softmax,归一化到0-1之间,然后再计算。下面是我的手动推理过程。原创 2023-07-12 09:46:27 · 877 阅读 · 0 评论 -
张量操作专题
input: 创建于input张量同形状的全0张量;fill_value:自定义的数值out:输出的张量,如果指定,则返回的张量和out指向同一个地址dtype:数据类型,默认与input张量的数据类型相同device:所在设备,CPU/GPU;requires_ grad:是否需要梯度;input: 创建 与input张量同形状的自定义数值的张量;fill _value:自定义的数值;dtype: 数据类型,默认与input张量的数据类型相同;原创 2023-06-28 16:24:33 · 160 阅读 · 0 评论 -
1.深度学习优化算法【基础概念】
训练误差就是训练过程中的误差是基于训练数据集得到的误差得到的损失,得到模型之后再去看他的泛化能力。鞍点:是梯度消失的一个重要原因,例如图中在求导的时候,这个点的导数都为0,但是既不是局部最优解,也不是全局最优解。更高维度的鞍点,对应的就是一个面,如下图所示,这个面构成的图形就类似于一个马鞍。在deeplearn中由于模型的复杂,一般都得不到准确的解析解,一般都是用。,就类似于训练集的平均损失和整个训练集的预期损失。解析解:就是通过一个函数得到的精确的解。数值解:使用数值方法得到的一个近似的解。原创 2023-03-25 16:03:13 · 729 阅读 · 0 评论