dejahu的博客

开始之前给大家安利一下我之前写的使用tensorflow2构建物体分类模型的博客，我在博客中详细介绍了数据集收集、模型构建和模型使用三个方面，结合视频你也可以快速构建自己的物体分类模型，快去试试吧！手把手教你用tensorflow2.3训练自己的分类数据集_dejahu的博客-优快云博客前面的几章内容重点讨论了模型的基本构建和一些模型训练所涉及的技巧，今天学习的课程中，在树叶分类的任务中看到不少关于比赛的技巧，不只是迁移学习那么简单，包括优化器、数据增广等方面都有讲究，后面需要专门抽时间来看下前面的房

前面我们讨论了线性回归、softmax分类和感知机这些模型，这些模型构建的过程都是有监督的学习，需要借助大量的样本来学习最优的参数，基本原理时通过链式法则使用梯度下降来对参数进行调整。虽然说起来比较简单，但是在实际操作的时候，模型训练需要关注很多细节，包括去模型是否会出现过拟合的现象，模型的超参数是否合理，训练的数据和验证的数据如何进行划分，这都需要进一步来探讨。今天这节我们来一起讨论一下深度学习中模型训练你需要关注的一些细节以及你需要掌握的一些基础知识。开始之前给大家安利一下我之前写的使用tensorf

前面的笔记中我们讨论了线性回归和softmax分类，都可以看作是一层的全连接层，其中线性回归的输出是一个神经元，softmax的输出是多个神经元，softmax主要作用在损失函数的计算部分，相应地模型也需要学习到更多的权重。今天我们来看一下感知机（perceptron）以及感知机的进化版本，多层感知机(MLP)。开始之前给大家安利一下我之前写的使用tensorflow2构建物体分类模型的博客，我在博客中详细介绍了数据集收集、模型构建和模型使用三个方面，结合视频你也可以快速构建自己的物体分类模型，快去试试吧

上节博客中我们一起探讨了机器学习中的回归问题，回归问题主要是为了解决连续的问题，生活中还有很多应用场景不是连续的，预测的结果是离散的，比如识别一个垃圾的种类或者是识别一个花卉的具体种类，这种问题如果使用简单的线性回归是达不到目的的，这个时候就需要引入分类去解决，今天我们一起来看下如何去使用Pyotrch实现Softmax分类。开始之前给大家安利一下我之前写的使用tensorflow2构建物体分类模型的博客，我在博客中详细介绍了数据集收集、模型构建和模型使用三个方面，结合视频你也可以快速构建自己的物体分类模

机器学习简单来讲可以分为两个问题，我们都是希望能将现实中的问题进行抽象来构建数学模型，根据预测的内容，可以将问题分为回归问题和分类问题，如果预测的是连续值，那么就是回归问题，如果预测的是离散值，那么就是分类问题。比如房价的预测就是一个典型的回归问题，给出房子的面积、地理位置等基本输入，模型可以根据这些输入得到房子大概的价格。原理介绍？什么是模型大概从大一开始，就接触到模型这个概念，很多时候不不是很清楚到底啥是个模型。以为现在的理解来看，模型就是数学公式，比如我们高中学到的kx+b就是一个线性模型，在

最近在看李沐老师的动手学深度学习教程，强烈安利大家去看，讲的非常通透，他会从一个常人的角度给你分析深度学习的原理，另外最近老师录制的视频是Pytorch版本的，在学习基本原理的同时还是学习到Pytorch的使用，真的是太棒了！这期专栏我就按照我自己的理解把其中一些重点的知识做个记录，方便自己回顾，另外也会附上Python的代码，结合代码一块理解原理。深度学习的历史深度学习这个概念在上个世纪50年代那会就已经有了，一开始有人提出了感知机的模型，可以说是现在深度学习网络的一个雏形了，但是当时的MLP解决不