Grokking Deep Learning
黄朝阳98
这个作者很懒,什么都没留下…
展开
-
grokkingDeepLearn four
矩阵 一个好的矩阵可以完美表达现实世界里面的关系,矩阵的表现形式也可以看成是一个二维数组。 无损表示 可以完美的将显示世界的东西表达出来,不会残缺就叫完美表达例如判断一个人的输赢0表示输,1表示赢即完美的表达了输还是赢这便是无损表示 神经网络模型 SGD 随机梯度下降 每组数据训练完后更新权重 ,最朴素的神经网络训练方法 每次训练一个数据点更新一次权重,在非线性中也可以看成是斜率,即每次找到最佳斜率,之后更新。但是这种方法不一定可以找到最正确的值,因为你可以想象一下,如果在一个平面上有很多个凹,我们要找到最原创 2020-05-20 21:46:03 · 161 阅读 · 0 评论 -
grokkinDeepLearn Three
tesorflow2的简单使用 实现代码: import tensorflow as tf import numpy as np def main(): #建立神经网络 models = tf.keras.Sequential() #增加神经元结构input_dim输入维度 units输出多少个值 models.add(tf.keras.layers.Dense(input_dim=1,units=2)) models.add(tf.keras.layers.D原创 2020-05-11 20:07:01 · 209 阅读 · 0 评论 -
grokkingDeepLearnTwo
Grokking Deep Learning 1.权重的调节 代码如下 import math weight = 0.5 input = 0.5 goal_prediction = 0.8 step_amount = 0.1 num = math.ceil(1.1 / step_amount) + 1 # 迭代次数与(goal_prediction/weight)-weight有关 只要 for...原创 2020-04-27 11:00:20 · 151 阅读 · 0 评论