深度学习入门
蒋昊昊昊昊昊
这个作者很懒,什么都没留下…
展开
-
梯度下降
在学习机器学习和深度学习入门的过程中,一个基础知识点是怎么也绕不开的–梯度下降在本章节的内容中,我们将会解析梯度下降的意义,并且用代码来三维的显示出其特点:结合我们前面学习的知识,以一维线性回归为例子,梯度下降算法是用来针对,利用某一数据集拟合出一条符合数据集分布的直线,从而达到可以预测下一个样本点的结果,在直线拟合的过程中,梯度下降法用来更新参数,以此来寻找使得损失函数最小的参数值。执行代码如下:Gradient_descent.py:import numpy as npimport mat转载 2021-05-26 09:59:36 · 165 阅读 · 0 评论 -
深度学习入门02
前面,我们已经了解到了,干之前在面对数据集不是线性可分的时候,[感知器规则]无法收敛为了解决这个问题:我们将使用一个可导的线性函数来代替感知器的阶跃函数,这种感知器我们成为线性单元(Linear Unit):此时线性单元的结构如下:对比前面我们提及的感知器:在改变了激活函数之后,线性单元就可以用来解决以往感知器不能解决的回归问题在针对线性回归模型的总结中,我们根据Ng教授的例子进行讲解:在寻找损失函数最小值的时候,我们就引入了梯度下降优化算法需要具体了解的看网易云课堂–《机器学习》转载 2021-05-24 22:39:15 · 106 阅读 · 0 评论 -
2021-05-24
在上一个深度学习的基础任务中,我们学会了编写一个简单的感知器,以此来实现线性分类。但是感知器存在着一个问题,就是当面对的数据集不是线性可分的时候,感知器规则无法收敛感知器规则...原创 2021-05-24 21:34:18 · 88 阅读 · 0 评论 -
深度学习入门01
212实验室日记05第一阶段,是了解Pytorch的基本知识与基本方法在第二阶段的学习过程中,我们可以三线同时开始:1)完成Pytorch的官方任务;2)继续《机器学习》的学习;3)同时开始《深度学习》的学习.借鉴的学习资料:1)邱锡鹏–《神经网络与深度学习》2)Pytorch官方教程3)李宏毅–《机器学习》课程4)吴恩达–《机器学习》课程Task_1:零基础入门深度学习(1)–感知器https://www.zybuluo.com/hanbingtao/note/433855在转载 2021-05-22 10:18:52 · 130 阅读 · 0 评论