Pytorch - 深度学习之数学模型（续）

最新推荐文章于 2025-12-11 22:53:49 发布
原创 最新推荐文章于 2025-12-11 22:53:49 发布 · 1k 阅读 · 12 ·
CC 4.0 BY-SA版权
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。
文章标签：

#深度学习 #pytorch #人工智能

图片说明来自李宏毅老师视频的学习笔记，如有侵权，请通知下架

神经网络

每个神经元 Neuron 有不同的 \theta (读 theta) 进行链接组成 Neural Network

全连接层 Fully Connect Feedforward

Parameter 包含 w,b 透过 Sigmoid函数计算得到节点计算结果

向量的计算过程如下

以此模型 输入 [1,-1] 得到 [0.62,0.83]

以此模型 输入 [0,0] 得到 [0.51,0.85]

所以可以把 这个已知道 w, b 情况下 视为一个 function

如果，w,b 不知道，那这是一个 function set

Function set

为啥叫做 fully connect feedforward network

Layer 与 Layer 两两链接，Layer 1 的输出 是 Layer 2 的数量，所以叫 fully connect， 根据输入继续的向前传播 

最低0.47元/天 解锁文章
呈智文
关注
Python深度学习实践-基于PyTorch--深度学习框架
2201_75891968的博客
03-07 2139
深度学习框架是一种用于构建、训练和部署深度神经网络模型的工具集合。它提供了丰富的函数和工具，使开发者能够方便地创建、调整和优化神经网络模型。前常用的深度学习框架有PyTorch、Theano、TensorFlow、Keras、Caffe、MXNet、CNTK、PaddlePaddle。计算图构建：深度学习框架允许用户通过声明式的方式定义计算图，这是一系列相互连接的运算操作，用于表示神经网络的结构和数据流。自动微分：自动微分功能可以自动计算梯度，这对于训练神经网络至关重要，因为它使得权重更新变得自动化。
Python深度学习实践-基于PyTorch--机器学习基础知识
2201_75891968的博客
03-08 2132
Yi）之间的关系。验证集评估出来的效果并非模型的最终效果，主要是用来调整超参数的，模型最终效果以测试集的评估结果为准。如果聚类得到的模型被用于某个特定的任务，我们可以维持该任务中其他的设定不变，使用不同的聚类模型，通过某种指标度量该任务的最终结果来间接判断聚类模型的优劣。例如对文本的主题进行聚类，我们可以在直观上判断属于同一个类的文本是否具有某个共同的主题，这样的分类是否有明显的语义上的共同点。监督学习的核心在于模型通过学习输入数据和对应的输出标签之间的关系，来预测新的未标记数据的输出。
Pytorch - 深度学习之数学模型
chenchihwen的专栏
10-17 658
所以训练的步骤就是 这样，下图代表 3个 epoch但是因为数量可能很大，所以会区分多个 batch, 实际操作上 会将N个数量切开来，每个 batch 会有1个 "update", 1个 epoch 可能有 多个 "update", 怎么切分 batch, 答案是没有标准，随意的。多少个 batch 也是 hyperparameter,根据机器性能自定义的Sigmoid 与 ReLU2个ReLU 合成一个 Hard Sigmoid。
PyTorch建模与应用：从深度学习到大模型
热门推荐
屿小夏.的知识博客
08-05 9万+
动手学PyTorch建模与应用:从深度学习到大模型》是一本从零基础上手深度学习和大模型的PyTorch实战指南。全书共11章，内容涵盖了从深度学习的基础概念到大语言模型的应用。第1章介绍了深度学习的概念、应用场景及开发环境搭建。第2章详细介绍了PyTorch数学基础，包括函数、微分、数理统计、矩阵等基础知识及其案例。第3章讲解了数据预处理及常用工具，如NumPy、Pandas、Matplotlib、数据清洗、特征工程以及深度学习解决问题的一般步骤。第4章。
PyTorch深度学习与计算机视觉实践
weixin_43178406的博客
07-30 8万+
本文主要介绍了PyTorch深度学习与计算机视觉实践，希望能对同学们有所帮助。 文章目录 1. 前言 2. 书籍推荐 2.1 内容简介 2.2 本书作者 2.3 本书目录 3. 购买链接
PyTorch 深度学习入门
努力是为了站在万人之中，成为别人的光
06-14 2万+
深度学习是机器学习的一个分支，其中编写了模仿人脑功能的算法。深度学习中最常用的库是 Tensorflow 和 PyTorch。由于有各种可用的深度学习框架，人们可能想知道何时使用 PyTorch。以下是人们可能更喜欢将 Pytorch 用于特定任务的原因。Pytorch 是一个开源深度学习框架，带有 Python 和 C++ 接口。Pytorch 位于 torch 模块中。在 PyTorch 中，必须处理的数据以张量的形式输入。如果您的系统中安装了 Anaconda Python.........
【深度学习pytorch-47】Dropout
m0_69378371的博客
02-17 896
Dropout是一种有效的正则化技术，旨在通过随机丢弃神经元来提高神经网络的泛化能力。它通过减少神经元之间的相互依赖，迫使模型学习更加健壮的特征表示，从而减轻过拟合问题。Dropout在深度学习中非常常见，尤其适用于大型神经网络模型。
深度学习之Pytorch
CherryXieのblog
05-22 1454
PyTorch 是一个非常流行的开源机器学习库,它被广泛应用于各种深度学习和科学计算领域。使用 PyTorch 的 nn 模块定义一个 ResNet18 模型修改最后一层全连接层的输出大小为 10 (CIFAR-10 有 10 个类别)使用 PyTorch 的 nn 模块定义一个双向 LSTM 模型添加一个全连接层进行二分类 (正向/负向情感)使用 PyTorch 的 nn 模块定义一个 LSTM 时间序列模型输入为 time-lag 特征,输出为下一个时间步的股票价格。
【深度学习pytorch-38】Attention机制
m0_69378371的博客
02-16 1466
是深度学习中一种重要的技术，广泛应用于自然语言处理（NLP）、计算机视觉（CV）等领域。它的核心思想是让模型在处理输入数据时，能够动态地关注与当前任务最相关的部分，从而提高模型的性能。，表示模型在处理某个位置时，应该关注输入序列中哪些部分。这个权重分布通常是通过计算**查询（Query）Attention 机制的核心是计算一个。键（Key）**的相似度得到的。
深度学习框架---Pytorch概览
MzKyle的博客
04-28 1639
开源深度学习框架：由 Facebook（Meta）AI 实验室开发，基于 Lua 语言的 Torch 框架重构，2017 年正式开源，主打动态计算图和易用性。核心优势：灵活的动态图机制、Python 优先的开发体验、强大的 GPU 加速支持、丰富的生态系统。定位：兼顾科研快速迭代（动态图灵活性）与工业部署（TorchScript、ONNX 支持），是学术界和工业界的主流框架之一。
Awesome-PyTorch-Chinese-PyTorch深度学习模型实战项目
11-26
PyTorch深度学习模型实战项目正是为此而设计，它通过一系列真实世界的问题，帮助用户将理论知识与实践相结合。通过这些实战案例，用户能够逐步构建起自己的深度学习项目，并在实践中不断提高解决问题的能力。 该...
Pytorch-pytorch深度学习教程之图像理解.zip
05-22
总的来说，这个PyTorch深度学习教程之图像理解会涵盖从基本的张量操作到构建复杂的CNN模型，再到数据处理、模型训练和评估的全过程。通过学习和实践，你将能够运用PyTorch解决实际的图像理解问题。
精选资源
Pytorch-pytorch深度学习教程之基本操作.zip
05-22
PyTorch是Facebook旗下AI...通过本教程，读者将学习如何使用PyTorch进行深度学习的基本操作，包括搭建神经网络、训练模型、保存和加载模型，以及理解其自动求导机制。这将为后续更复杂的深度学习任务打下坚实的基础。
精选资源
Pytorch-pytorch深度学习教程之逻辑回归.zip
05-22
在本教程中，我们将深入探讨PyTorch框架中的逻辑回归，这是深度学习领域的一个基础概念。PyTorch是一个流行的开源机器学习库，以其灵活性和易用性受到广大开发者喜爱。逻辑回归是分类问题的一种基本算法，尤其适用于...
DefaultCPUAllocator: can‘t allocate memory
weixin_45776000的博客
12-11 300
【代码】DefaultCPUAllocator: can‘t allocate memory。
深度学习中 z-score 标准化理解
最新发布
musk1212的博客
12-11 473
摘要： z-score标准化是深度学习中关键的数据预处理方法，通过将数据转换为均值为0、标准差为1的分布，有效提升模型训练效率并消除特征量纲差异。其核心公式为z=(x-μ)/σ，适用于加速收敛、平衡多特征权重及异常值检测等场景。与Min-Max归一化相比，z-score对异常值更鲁棒，是神经网络训练的首选方法。需注意避免数据泄露问题（测试集必须使用训练集的μ和σ），并处理标准差为0的特殊情况。批量归一化(BatchNorm)是z-score的动态扩展版本。
基于深度学习的网络流量异常检测系统
XiaoMu_001的博客
12-11 621
本项目旨在构建一个基于深度学习的高效网络流量异常检测系统。系统采用 **B/S 架构**，前后端分离设计。后端基于 **Django** 框架，前端采用 **Vue 3** + **Element Plus**。核心检测引擎利用 **PyTorch** 构建深度学习模型（MLP 和 1D-CNN），能够对网络流量数据进行实时或离线分析，精准识别良性流量及多种类型的网络攻击（如 DoS, PortScan, Web Attack 等）
机器学习与深度学习基础（五）：深度神经网络经典架构简介
TracyCoder的博客
12-11 372
本文学习要点：1.深度神经网络分层架构：全连接层卷积层池化层2.深度神经网络代表:CNN：CNN、AlexNet、VGG-Net、GoogLeNet（Inception）、ResNet（残差连接）编码器-解码器架构：序列到序列模型（Seq2Seq）
微算法科技（NASDAQ MLGO）采用混合深度学习赋能区块链：打造智慧城市安全新范式
MicroTech2025的博客
12-11 147
区块链网络中的各个节点会对算法输出的结果进行验证和记录，每一个安全判断、操作记录等都会以区块的形式被添加到区块链账本上，由于区块链的不可篡改特性，这些记录能够作为可靠的依据，供后续的审计、追溯等使用。系统维护阶段，当发现潜在安全风险时，系统可以根据预设的规则自动触发相应的安全响应机制，比如向相关管理人员发送警报信息、启动防护设备（如对特定区域进行封锁、调整交通信号灯等），同时这些响应操作也会被记录在区块链上，形成完整的安全事件处置链条，方便后续复盘和改进安全策略。
深度学习库pytorch-optimizer 0.3.7版本发布
3. 优化算法与深度学习：在深度学习中，优化算法是用来调整模型参数以最小化损失函数的一组数学方法。优化算法的选择和调优对于训练模型的效果至关重要。该库可能提供了PyTorch支持的新的或改进的优化算法。 4. ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值