- 博客(2)
- 收藏
- 关注
RSS订阅原创 (pytorch)大橘也能看懂的深度学习2—线性回归、损失函数、梯度下降
线性回归有很多种方法，之前大家应该都用过最小二乘法，这节我们从神经网络的角度出发，探讨神经网络是如何进行线性回归的。在此之前，我们先了解回归和分类的区别。回归：预测连续值，例如明天的温度是多少？可能是15.5，15.7，15.8等，这是一个连续值，取值在区间内都是有可能的。分类：预测离散值，例如这张图片是猫还是狗？要么是猫，要么就是狗，总不会出现0.5猫、0.7狗这些情况。我们以最经典的一个例子来看看神经网络是如何进行线性回归的：房价预测线性我们都知道是ywxbYWXbyw1。
2024-11-25 21:59:45
1071
原创 (pytorch)大橘也能看懂的深度学习1——自动求导，前向传播，反向传递
cXW−y2cXW−y2，我们画出这个函数的计算图： 这个计算图非常的简单，就是按照数学运算的优先级将函数分步计算而已，将函数拆分成了a、b、c三步运算。前向传播就是计算图的计算过程（从优先级最高的出发，逐步得到c的过程就是前向传播）。但是需要注意的是，前向传播每个节点的数据都是要保存下来的，这是因为反向传递时需要使用这些结果。∂XW−y2∂W2XXW−y∂W∂XW−y22XXW−y，如何得到的呢？首先把XW−y。
2024-11-21 09:35:25
1009
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人