ke_g3的专栏

文章目录神经网络学习从数据中学习损失函数均方误差(mean squared error)交叉熵误差(cross entropy error)mini-batch数值微分中心差分偏导梯度梯度法神经网络的梯度学习算法的实现两层神经网络mini-batch实现 神经网络学习 从数据中学习 指由数据自动决定权重参数的值 机器学习(深度学习)与神经网络： 过拟合： 只对某个数据集过度拟合的状态称为过拟合（over fitting）。避免过拟合也是机器学习的一个重要课题。 损失函数 神经网络以某个指标为线索

文章目录神经网络感知机：激活函数：sigmoid函数：ReLU（Rectified Linear Unit）函数：softmax函数：手写数字识别-说明picklerangenp.argmax(x, axis=1)总结 神经网络 感知机： 激活函数： sigmoid函数： ReLU（Rectified Linear Unit）函数： softmax函数： 手写数字识别-说明 pickle 对象转文件： 文件取数据： range np.argmax(x, axis=1) 总结 ...

准备 先安装好python3及numpy、matplotlib库 示例代码： import io import sys sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8') print("你好，Hello!") print('=============numpy============') import nu...

演示代码 import io import sys sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8') import numpy as np import matplotlib.pyplot as plt print('_hello,inited！') def step(x): return np.a...

前提条件： dataset里面有数字图片数据集 sample_weight.pkl学习训练后的权重W及偏置b，假设已学习训练完成，学习参数保存在该文件 neuralnet_mnist.py： import io import sys,os sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8') sys.pat...