动手学深度学习(PyTorch)代码笔记
记录pytorch用于深度学习的学习过程。
二、深度学习基础
1、线性回归
线性回归和softmax回归都是单层神经网络,用于解决回归问题。
(1)基本要素
1、模型定义
y^=x1w1+x2w2+b \hat y = x_1w_1 + x_2w_2 + b y^=x1w1+x2w2+b
2、模型训练
(1)训练数据
(2)损失函数
L=1n∑12(y^(i)−y(i))2 L = \frac 1 n\sum\frac 1 2(\hat y^{(i)} - y^{(i)})^2 L=n1∑21(y^(i)−y(i))2
(3)优化算法
解析解analytical solution:误差最小化问题的解可以直接用公式表达出来。
数值解numerical solution:只能通过优化算法有限次迭代模型参数来尽可能降低损失函数的值。
小批量梯度下降法mini-batch
3、模型预测
经过训练后,得到w1 w2 b。
y^=x1w1+x2w2+b \hat y = x_1w_1 + x_2w_2 + b