神经网络的学习主要包含了以下几个过程:
1.数据预处理
2.模型的设计
3.损失函数以及优化方案设计
4.前向传播
5.反向传播
6.更新参数
上述6点在我看来,前3点是体现了神经网络的设计艺术的——如果把神经网络的学习看作是人和机器的合作,那么前3点工作无疑是需要人工去完成的。在利用Pytorch编写神经网络代码时,前三点往往比较让我头大,特别是第一点!简直像是变形金刚一样,对着数据各种操作,最终把他们变成符合输入条件的样式。
在不了解神经网络工作原理的情况下,它就像一个黑盒子,输入样本数据,输出预测结果。如果觉得神经网络训练地还不够好,你要做的就是像一个严格的教练一样:惩罚神经网络,让神经网络修改参数,直到满足