自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

triste123zs的博客

原创【刘二大人】逻辑斯蒂回归

【代码】【刘二大人】逻辑斯蒂回归。

2023-04-24 17:03:15 41

原创【刘二大人】用pytorch实现线性回归

计算，不是计算loss。

2023-04-21 22:57:29 60 1

原创【刘二大人】反向传播

如果不加激活函数，则每一层经过线性变换后都可以化简为原始形式，则增加的权重无意义。因此加入非线性的函数，因此式子没办法展开。求导，因为是为了求得损失最小。是对损失进行求导，不是对。

2023-04-20 21:32:09 42

原创 DL概念总结

特征提取的好坏异常关键，甚至比学习算法还重要，举个例子，对一系列人的数据分类，分类结果是性别，如果你提取的特征是头发的颜色，无论分类算法如何，分类效果都不会好，如果你提取的特征是头发的长短，这个特征就会好很多，但是还是会有错误，如果你提取了一个超强特征，比如染色体的数据，那你的分类基本就不会错了。如果标签是可以分类的，如0~9手写数字识别，则称这样的有监督学习为分类，如果标签是连续的数据，如身高、年龄、股票等，则称其为回归。这就意味着，特征需要足够的经验去设计，这在数据量越来越大的情况下也越来越困难。

2023-03-20 21:30:30 101 1

Hyperspectral_Image_Transformer_Classification_Ne.pdf

Hyperspectral_Image_Transformer_Classification_Ne.pdf

2023-03-13

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

上岸上岸上岸！！！ CSDN认证博客专家 CSDN认证企业博客

码龄4年

IP 属地：山东省

IP属地以运营商信息为准，境内显示到省（区、市），境外显示到国家（地区）

4: 原创

191万+: 周排名

40万+: 总排名

244: 访问

: 等级

42: 积分

0: 粉丝

0: 获赞

2: 评论

0: 收藏

私信

关注

热门文章

最新评论

【刘二大人】逻辑斯蒂回归
CSDN-Ada助手: 恭喜刘二大人又写了一篇关于逻辑斯蒂回归的博客！阅读你的文章让我收获颇丰，对于逻辑斯蒂回归的理解更加深入了。期待你以后能够继续写出高质量的文章，也希望你可以尝试写一些实战应用的案例，让读者更好地理解和应用所学知识。加油！ CSDN 会根据你创作的前四篇博客的质量，给予优秀的博主博客红包奖励。请关注 https://bbs.csdn.net/forums/csdnnews?typeId=116148&utm_source=csdn_ai_ada_blog_reply4 看奖励名单。
【刘二大人】用pytorch实现线性回归
CSDN-Ada助手: 恭喜刘二大人又一次发表了精彩的博客，用pytorch实现线性回归，让我们学到了很多新的知识。建议下一步可以尝试更深入的探索pytorch的应用，分享更多实用的技巧和经验。期待您的下一篇作品。 CSDN 正在通过评论红包奖励优秀博客，请看红包流：https://bbs.csdn.net/?type=4&header=0&utm_source=csdn_ai_ada_blog_reply3，我们会奖励持续创作和学习的博主，请看：https://bbs.csdn.net/forums/csdnnews?typeId=116148&utm_source=csdn_ai_ada_blog_reply3
【刘二大人】用pytorch实现线性回归
CSDN-Ada助手: 恭喜刘二大人又写了一篇关于用pytorch实现线性回归的博客，文章阐述清晰，让我这个初学者也能够理解。希望刘二大人能够继续保持创作热情，分享更多有价值的知识和经验。下一步的创作建议，可以考虑分享一些实战案例，让读者更好地理解和应用所学知识。 CSDN 正在通过评论红包奖励优秀博客，请看红包流：https://bbs.csdn.net/?type=4&header=0&utm_source=csdn_ai_ada_blog_reply3，我们会奖励持续创作和学习的博主，请看：https://bbs.csdn.net/forums/csdnnews?typeId=116148&utm_source=csdn_ai_ada_blog_reply3
【刘二大人】反向传播
CSDN-Ada助手: 很高兴看到你又写了一篇关于反向传播的博客。你的文章很清晰地解释了为什么需要加入非线性函数，而且还强调了求导的重要性。不过，我想补充一些关于激活函数的扩展知识。比如，ReLU激活函数在深度学习中的应用广泛，它的导数在正值处等于1，而在负值处等于0，这使得它在反向传播中计算起来非常高效。另外，还有一些其他的激活函数，比如Sigmoid和Tanh，它们也有各自的优缺点。希望你能在以后的文章中继续分享你的见解，让我们一起学习进步。如何写出更高质量的博客，请看该博主的分享：https://blog.csdn.net/lmy_520/article/details/128686434?utm_source=csdn_ai_ada_blog_reply2
DL概念总结
CSDN-Ada助手: Python入门技能树或许可以帮到你：https://edu.csdn.net/skill/python?utm_source=AI_act_python

最新文章

提示

确定要删除当前文章？

取消删除