- 博客(2)
- 收藏
- 关注
原创 PyTorch深度学习实践笔记—03梯度下降算法
视频来源: link.课程概括问题:如何去寻找权重的最优值如下图假设w初始值为红色圆点所在位置,那么如何更新w才能去接近损失函数的最小值更新算法为:算法解释:当损失函数对w的偏导为正时,说明当前处于上升阶段,即损失函数的值要增大,要想找到损失函数的最小值则要减小w;当损失函数对w的偏导为负时,说明当前处于下降阶段,损失函数的值会减小,为找到损失函数的最小值就要继续增大w。其中α为学习率,控制学习的步长,一般取值较小。若遇到损失函数为非凸函数,便会容易困在局部最优位置而找不到全局最优点。如下图
2021-09-05 07:46:03
372
1
原创 PyTorch深度学习实践—02线性模型
视频来源: link.课程概括引入实例根据已有的学习时间与所得成绩之间的对应关系,预测在给定学习时间的条件下,对应的成绩:所选用的预测模型为线性模型:y = wx +b,为简化模型,我们先将b省略,则模型为:y = wx为了找到能使预测模型所预测出的值尽量接近真实值的w,在机器学习中,一般会先给定一个任意的w值,再计算预测值与真实值之间的损失函数,通过对损失函数的评估,对w进行更新,再进一步进行预测。选用的损失函数为预测值与真实值差的平方和:但一般使用较多的是平均平方误差(Mean Squ
2021-09-04 12:42:34
204
1
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