- 博客(4)
- 收藏
- 关注
RSS订阅原创 Pytorch深度学习笔记④：Softmax回归的简洁实现
本文是《动手学深度学习课程》中Softmax回归简洁实现的笔记，仅用于个人学习记录。 Softmax回归的简洁实现： 首先导入需要使用的包，并设置好batch-size，以及得出训练集和测试集 import torch from torch import nn from d2l import torch as d2l batch_size = 256 train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size) 接着可以定义模型，
2021-12-08 20:17:29
1453
原创 Pytorch深度学习笔记③：softmax回归
softmax回归初探 最开始看见softmax回归这个名词，我的意识里想当然的把它当做是回归问题中的概念。其实不然，softmax回归是处理多分类任务时较为常用的方式。 1.回归与分类 首先是对于回归的理解：回归问题的输出多为自然区间R上的单连续数值的输出，并且是将其与真实值之间的区别作为误差。 而对于分类的理解：分类问题的输出通常是多个，每一个输出代表着预测为第 i 类的置信度。 2.softmax使用到的方法 ●softmax函数 ●one-hot编码 ●交叉熵损失函数 ●梯度下降法
2021-12-07 15:16:24
392
原创 Pytorch深度学习笔记②：线性回归模型的简单实现
一、整体思路 利用深度学习Pytorch框架来实现线性回归模型的简洁实现 二、代码框架 首先，导入所需要的包，并生成数据集 import numpy as np import torch from torch.utils import data from d2l import torch as d2l true_w = torch.tensor([2, -3.4]) true_b = 4.2 features, labels = d2l.synthetic_data(true_w, true
2021-12-06 16:08:38
1566
原创 Pytorch深度学习笔记①：线性回归+基础优化方法
一、线性回归 首先，在介绍线性回归之前，先用一个简化的模型作为引入。 假设某地的房价影响因素有地理位置、人流量以及面积大小，分别记为x1、x2、x3。而房屋的最终成交价 y = w1x1 + w2x2 + w3x3 + b。 此即为线性模型，给定了n维输入 X = [x1, x2, ... , xn]T，以及模型的n维权重 w = [w1, w2, ..., wn]T和标量偏差b，模型的输出即为输入的加权和：y = w1x1 + w2x2 + ... + wnxn + b 。 由此可见，线性模型可.
2021-12-06 14:15:14
677
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