【2】激活函数与Loss函数求导

本文介绍了深度学习中常见的激活函数及其梯度,如Sigmoid、ReLU、Softmax等,并讨论了它们在梯度消失问题上的表现。同时,详细阐述了Mean Squared Error和Cross Entropy Loss两种损失函数及其梯度计算,包括torch.autograd.grad和loss.backward的使用,以及在实际应用中的意义。
摘要由CSDN通过智能技术生成

影响找到全局极小值点的几个主要的影响因素:

1)初始点的设置

2)学习率的设置,可能会影响收敛的精度与速度

ps : 处于一个全局极小值或者是鞍点的状态时,往往会影响实验效果

import torch
import torch.nn.functional as F
import matplotlib.pyplot as plt
# Jupyter notebook 中的魔法命令
%matplotlib inline                            
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Clichong

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值