![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
动手学深度学习
文章平均质量分 65
GlancerZ
这个作者很懒,什么都没留下…
展开
-
动手学深度学习—线性神经网络
线性回归线性回归的基本元素线性模型,损失函数,解析解,mini-batch矢量化加速少用for循环就可以了正态分布与平方损失在高斯噪声的假设下,最小化均⽅误差等价于对线性模型的最⼤似然估计。从线性回归到深度网络线性回归可以看作单层的神经网络线性回归的从零开始实现生成数据集给定权重以及偏置,生成数据。读取数据集并划分成mini-batch真实模型需要的组成部分1、初始化模型参数2、定义模型3、定义损失函数4、定义优化算法5、训练权重初始化是很重要的0初始化,随机原创 2021-11-19 13:31:44 · 501 阅读 · 0 评论 -
动手学深度学习—预备知识
入门1、导入pytorch2、通过x = torch.arange()创建tensor,通过.shape或者.size()访问tensor形状。.reshape()可以将tensor转化为我们需要的形状,可以是2维也可以是多维的。3、torch.zeros((x,y,z))可以创建形状是(x,y,z)的全0元素张量,torch.ones((x,y,z))创建全1元素张量,torch.randn()创建目标形状的正态分布张量。4、torch.tensor([])能够直接给元素赋予特定值,torch.t原创 2021-11-18 11:14:22 · 1006 阅读 · 0 评论