李宏毅机器学习第一节-深度学习和机器学习基本概念（自学）

最新推荐文章于 2024-06-25 00:19:59 发布

繁落.

最新推荐文章于 2024-06-25 00:19:59 发布

阅读量336

点赞数 7

文章标签：机器学习深度学习人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_62277441/article/details/135653267

版权

机器学习基本概念

机器学习就是找一个函数

机器学习的任务——回归，分类和structrued learning

回归输出的是数值，分类输出的是类别。structrued learning是让机器生成一个有结构的物体，比如生成一张图，生成一篇文章等。

找到函数的方法

1、定义一个模型

2、定义Loss function

Loss是一个函数，输入是定义模型中的参数

3、优化器

目的：找到参数的值，使得Loss最小

未知参数：机器自己训练得到

超参数：自己给定

梯度下降：首先给未知参数一个初始值，然后求Loss对参数的微分，现在的参数值减去学习率乘以微分的值就是新的参数值

深度学习的基本概念

将复杂的线段理解为一个常数加上多个激活函数（只要激活函数足够多，就可以表示各种复杂线段）

从而引出神经网络的结构

接下来使用机器学习中找到函数的方法对上述式子进行研究

第一步：定义一个模型

用 $\Theta$ 表示所有未知参数

第二步：定义Loss函数

给定一组参数，计算给定参数的结果和真实结果的差异值e，然后对e进行平均

第三步：优化器

目的：找一组 $\Theta$ ，让Loss的数值越小越好

梯度下降：首先随机初始化一组参数 $\Theta ^{0}$ ，对 $\Theta ^{0}$ 中所有参数求微分，然后修改 $\Theta$ 的值（通过学习率控制速度）

在实际工作中，经常会将数据分为多个batch，对每一个batch求Loss并使用梯度下降进行优化，每一个优化称为一个updata，将所有batch都求Loss并优化后成为一个epoch

关注

7
点赞
踩
7

收藏

觉得还不错? 一键收藏
0
评论
李宏毅机器学习第一节-深度学习和机器学习基本概念（自学）

在实际工作中，经常会将数据分为多个batch，对每一个batch求Loss并使用梯度下降进行优化，每一个优化称为一个updata，将所有batch都求Loss并优化后成为一个epoch。回归输出的是数值，分类输出的是类别。梯度下降：首先给未知参数一个初始值，然后求Loss对参数的微分，现在的参数值减去学习率乘以微分的值就是新的参数值。给定一组参数，计算给定参数的结果和真实结果的差异值e，然后对e进行平均。Loss是一个函数，输入是定义模型中的参数。目的：找到参数的值，使得Loss最小。
复制链接

扫一扫

博客等级

码龄3年

5
原创

78
点赞

92
收藏

64
粉丝

关注

私信

热门文章

最新评论

李宏毅机器学习第五节（自学）Transformer
CSDN-Ada助手: 恭喜你写了第五篇博客！学习Transformer这一主题非常有深度，而且对于机器学习的理解也有很大帮助。接下来，我建议你可以尝试更多地分享一些自己的实践经验，或者对于Transformer的理解和应用方面进行更深入的探讨。希望你能够继续保持创作的热情，加油！
李宏毅机器学习第一节-深度学习和机器学习基本概念（自学）
CSDN-Ada助手: 恭喜您开始博客创作！标题中提到的李宏毅机器学习第一节-深度学习和机器学习基本概念是一个非常重要且基础的主题。深度学习和机器学习是当今热门的领域，对于想要进一步了解人工智能的人来说是必经之路。您自学这个主题非常令人钦佩，而且通过撰写博客分享给大家也是一个很好的方式。在下一步的创作中，我建议您可以深入探讨深度学习和机器学习的具体应用领域，例如图像识别、自然语言处理等。您可以分享一些实际案例，以及对于这些领域的发展趋势的独到见解。此外，您也可以介绍一些学习资源，如书籍、课程或学习网站，帮助读者更好地理解和应用这些概念。继续保持您的学习热情和创作热忱，我期待着您未来更多有价值的博客文章！推荐【每天值得看】：https://bbs.csdn.net/forums/csdnnews?typeId=21804&utm_source=csdn_ai_ada_blog_reply1
李宏毅机器学习第三节CNN（自学1）
CSDN-Ada助手: 非常高兴看到您第三篇博客的发布，标题中提及了李宏毅机器学习的内容，这无疑是一个非常有趣和深入的主题。恭喜您在自学的道路上坚持不懈，不断分享自己的学习心得。从您的博客标题中可以看出，您正在深入探索卷积神经网络（CNN），这是机器学习领域的重要内容之一。在下一步的创作中，我建议您可以进一步展开关于CNN的内容，例如介绍一下CNN的基本原理、应用场景以及具体的实现方法等，这将帮助读者更好地理解和应用这一强大的机器学习算法。同时，您也可以结合自己的学习经历，分享一些解决实际问题时遇到的挑战和解决方法，这将使您的博客更加实用和有吸引力。在未来的学习和创作过程中，请您保持谦逊的态度，继续努力学习和分享，相信您的博客会为更多的读者带来启发和帮助。期待您更多精彩的博客作品！ CSDN 正在通过评论红包奖励优秀博客，请看红包流：https://bbs.csdn.net/?type=4&header=0&utm_source=csdn_ai_ada_blog_reply3
李宏毅机器学习第四节（自学）
CSDN-Ada助手: 非常感谢您分享关于李宏毅机器学习的学习心得，看到您能够自学并写出这么精彩的博客，真的让人非常佩服。希望您可以继续保持这样的学习态度和创作热情，不断地分享您的学习经验和见解。下一步，可以考虑结合实际案例或者应用场景，深入探讨一些具体的机器学习算法或者模型，相信这样的内容会更加丰富和有趣。期待您的下一篇作品，加油！如何快速涨粉，请看该博主的分享：https://hope-wisdom.blog.csdn.net/article/details/130544967?utm_source=csdn_ai_ada_blog_reply5
李宏毅机器学习第二节（自学1）
CSDN-Ada助手: Python入门技能树或许可以帮到你：https://edu.csdn.net/skill/python?utm_source=AI_act_python

您愿意向朋友推荐“博客详情页”吗？

强烈不推荐
不推荐
一般般
推荐
强烈推荐

提交

最新文章

目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。