![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
吴恩达深度学习
辰虫牙
思想先行,动手在后。行而思之,思而行之。
展开
-
【深度学习3】Logistics回归的梯度下降法
回顾logistics回归的公式,如下所示:考虑单个样本的情况:假设一个样本只有两个特征x1,x2;那么对应的权重参数只有两个参数w1,w2;还有一个参数b这里怎么进行通俗易懂的理解:也就是一张图片,只由x1与x2两个数值表示,那么训练时用到的参数维度要与图片的维度相匹配,所以权重参数也为w1,w2转化成计算图的形式,如下所示:反向传播计算w1,w2以及b的梯度,如下所示:利用梯度下降法,迭代公式如下所示:...原创 2020-11-06 14:20:52 · 822 阅读 · 0 评论 -
【深度学习2】计算图的通俗理解
神经网络中计算利用的是正向或者反向传播来计算;首先通过前向转播计算出神经网络输出,紧接着反向传播计算出对应的梯度或者导数,这个过程运用到计算图。正向传播的过程是计算J(总体成本)反向传播的过程是计算对应参数的梯度,从而使用梯度下降训练神经网络这两个过程都是基于计算图进行的。什么是计算图? 称为有向图,通俗来说就是有方向和节点的图,方向代表有箭头“→”,每个箭头对应一个变量,有箭头对应有节点接收箭头末端和传递数据,节点用于数学运算(+-*/......原创 2020-11-05 22:29:26 · 949 阅读 · 0 评论 -
【深度学习1】Logistics回归在数学思维上感性理解
a.样本的表示(x,y):其中:i:第i个样本(图片)m:样本的总数n:图片的总像素点b.Logistics实现的思想思想加工:给1个样本,可以得到结果y,y的范围在0~1之间,表示是否的概率程度其中权重w和拦阻器b是网络的参数为什么要在y输出外层加sigmoid函数?因为wx+b的结果总是不近人情的,会远大于1或为负数,通过sigmoid函数,可以说对结果进行了归一化的处理,能通过数值的大小判断,0~1之间的程度。...原创 2020-11-05 17:01:22 · 256 阅读 · 0 评论