Dive into deep learning(02)[动手学深度学习]———————第二章,线性神经网络
前言:最近在忙毕业论文初稿,自己这方面花的时间也确实少,国庆几天也都是在寝室摆烂,但终归还是要看一点的,马上初稿就要过去了,学校里方面也就没啥事情了,要更努力了呢。
本章摘要:
1、图片数据集准备(image-classification-dataset)
关于MNIST数据集的一些介绍,然后一些图像显示的函数,数据导入的函数。
MNIST数据集是图像分类中广泛使用的数据集之一,但作为基准数据集过于简单。 我们将使用类似但更复杂的Fashion-MNIST数据集。
这里还有部分讲到数据读取,也就是torch里面DataLoader部分,里面的读取参数,batchsize(数据一批的多少)和num_workers(工作线程)都会影响读取快慢,一般读取越快越好,读取要略快于数据处理一趟的速度。
2、线性回归介绍(linear-regression)
主要是关于线性回归在机器学习中的一些介绍,以及线性回归的损失函数使用均方误差的原因,因为在噪点为服从高斯分布的假设下时,最小化均方误差和最大化似然函数是等价的。最大化似然函数在统计中一般用来参数估计,和我们这里的用均方误差损失函数估计模型参数