王斯的博客

浅浅的看看书，浅浅的提起精华

关于pytorch自动求导与深度学习实现逻辑回归的笔记

一些pytorch的张量基本操作，并实现了线性回归的深度计算模型

孙裕道 深度之眼 2022-06-01 18:00 发表于上海Generative adversarial networks 生成对抗神经网络G-Generator 生成器D-Discriminator 判别器术语：GAN是由生成器G和判别器D组成，通过大量样本数据训练使得生成器的生成能力和判别器的判别能力在对抗中逐步提高，最终目的是让生成器G输入到生成器中生成假的样本。GAN训练的过程可以描述为求解一个二元函数极小极大值的过程，具体的公式如下所示：优化对抗损失V(D,G)V(D,G)V(D,G)

1.前言深度神经网络的架构如上图，这里是一个网页版的在线绘图工具，是比较实用【传送门】下面，文章将一步一步解密神秘的神经网络2.数据2.1 常见的神经网络数据集2.1.1 MNIST手写数字数据集下载网址：http://yann.lecun.com/exdb/mnist/index.html2.1.2 CIFAR-10，CIFAR-100【传送门】以MNIST数据集为例，它是最常见的图像数据，有28*28=784个像素点组成。比如这样:2.2 数据说明用0表示全白，1表示全黑，其余

原文作者：King James 伦敦国王学院 数据科学硕士原文地址：【传送门】文章目录前言1.引入2.梯度下降法简介2.1 梯度下降法的思想2.2 梯度下降法算法2.3 梯度下降法数学计算2.4 梯度下降法分类3. 梯度下降法Python实践3.1 单变量：y = x^2求最低点3.2 多变量：z = (x-10)^2 + (y-10)^2求最低点3.3 根据给定样本求解出最佳θ组合前言入门机器学习必须了解梯度下降法，虽然梯度下降法不直接在机器学习里面使用，但是了解梯度下降法的思维是后续学习其他

个人对神经网络的理解神经网络算法，是一个黑匣子，当你传入一些数据，并告诉它最终要达到的目标，整个神经网络就开始学习。但是，我们很难知道里面究竟发生了什么，也没有数学来严格推导和证明黑匣子这玩意不可控啊！人脑人在刚出生的时候有 2000 亿的脑细胞，且细胞不会再生，当然你也不用担心会用完，100岁衰减都还有27亿。神经元包含了轴突和树突，树突负责接收信号、轴突负责发送信号。人的大脑是很好记忆、逻辑、运算、推理的设备。算法原理假设有一个最简单的神经系统构成：一层输入单元和一层输出单元，我们根据已