超级会员免费看
这篇博客主要记录了学习PyTorch所需的前置知识，包括线性代数、微积分、数理统计和Python基础。还介绍了深度学习中的反向传播法和核心概念——链式求导。此外，对比了TensorFlow和PyTorch两个深度学习框架。内容涵盖数据集处理、模型构建、训练过程、测试阶段以及梯度下降法在寻找最优模型参数W和B中的应用，同时讨论了学习率α的重要性。
简单记录一些学习pytorch的前置基础知识
知识基础
-
线代+高数+数理统计
-
python
反向传播法
核心：链式求导
深度学习框架
- TensorFlow(Google)
- PyTorch(Facebook)
过程
- 数据集
- 模型
- 训练
- 测试
梯度下降法
找模型中最佳W和B
学习率α：W每次移动多少。小点更好。
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
