Pin_BOY的博客

《PyTorch深度学习实践》学习笔记 【4】学习资源：《PyTorch深度学习实践》完结合集六、Logistics Regression（逻辑斯蒂回归模型）虽然它叫做回归模型，但是处理的是分类问题6.0 回归问题和分类问题有监督学习：回归问题分类问题二分类多分类回归问题：如果我们预测的结果是以连续数字进行表示，即我们将在连续函数中对多个输入变量建立映射关系时，则这样的问题称之为回归问题。分类问题：如果我们预测的结果是以离散形式表示的，即我们将多个输入变量与多个不同

《PyTorch深度学习实践》学习笔记 【5】CNN_1十、CNN 110.1 卷积神经网络的基本结构卷积神经网络=特征提取+分类10.1.1 特征提取特征提取器，通过卷积运算，找到某种特征。由卷积层convolution和下采样Subsampling 构成。一个图像，丢到一个卷积层里面仍然是一个3维的张量；下采样，通道数不变，但是图片的宽度和高度变小（减少维数数量，减少计算量）10.1.2 分类器将特征向量化后，用全连接网络进行来分类。10.2 Convolution （卷积层）1

《PyTorch深度学习实践》学习笔记 【2】学习资源：《PyTorch深度学习实践》完结合集二、线性模型2.1 概念：2.1.1 数据集和测试集​ 数据集拿到后一般划分为两部分，训练集和测试集，然后使用训练集的数据来训练模型，用测试集上的误差作为最终模型在应对现实场景中的泛化误差。​ 一般来说，测试集在训练的时候是不能偷看的。我们可以使用训练集的数据来训练模型，然后用测试集上的误差作为最终模型在应对现实场景中的泛化误差。有了测试集，我们想要验证模型的最终效果，只需将训练好的模型在测

《PyTorch深度学习实践》学习笔记 【3】学习资源：《PyTorch深度学习实践》完结合集三、梯度下降类似牛顿迭代法/ 二分法，对cost func 求导 , 利用偏导进行迭代，使得cost func 达到最小值。具体的求导过程关键迭代式：课上实例代码【2】x_data = [1.0, 2.0, 3.0]y_data = [2.0, 4.0, 6.0]w = 1.0#线性函数def forward(x): return x * w#MSEdef cost(x

《PyTorch深度学习实践》学习笔记 【1】学习资源：《PyTorch深度学习实践》完结合集一. 绪论1. 人工智能的发展历程Rule—Based： 基于规则（如经典的积分计算）Classic machine learning : 手动提取特征，使用特征representation learning ： 自动提取特征维度的诅咒： (参数空间搜索组合爆炸)解决方法：使用更少的更有代表性的参数。DeepLearning：将特征提取和特征函数训练两个过程结合起来，也称之为E