动手学深度学习(PyTorch)笔记二、深度学习基础——线性回归

本文是动手学深度学习(PyTorch)的笔记,主要讲解线性回归的基础知识,包括模型定义、训练过程(损失函数、优化算法)、模型预测,以及线性回归的神经网络图和矢量计算表达式的表示方法。还介绍了线性回归的代码实现,包括数据集生成和使用PyTorch中的工具和优化算法。

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

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=n121(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

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