深度学习-手动搭建神经网络

本文介绍了手动搭建神经网络的过程,强调了激活函数的作用,如sigmoid和relu,以及它们如何影响梯度消失。通过改变神经网络层数,观察模型在过拟合和准确性之间的平衡。同时,通过一个实例展示了如何训练神经网络,通过反向传播不断调整权重以减小预测误差。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

附上一个网址,这个网址可以比较直观的显示一个神经网络模型的样子:

神经网络

页面中以下代码中的数字1,代表一层:

layer_defs.push({type:'fc', num_neurons:1, activation: 'tanh'});
layer_defs.push({type:'fc', num_neurons:1, activation: 'tanh'});

改为3,神经网络模型变得更加准确:

改为10,会发现点分类的很完美了,但是右边的神经网络模型太复杂,这就使得过拟合:

 

神经网络可以通俗的理解为,输入一组数据,通过无数层的计算筛选,最后确定最终输出的数据

每两个层之

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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