本文介绍了PyTorch中深度学习的基础，从线性模型开始，通过实例展示了如何使用普通方法和梯度下降法求解权重。接着，对比了梯度下降法和随机梯度下降法的优缺点。最后，简要提及了前馈神经网络（FNN）的学习过程，为后续的反向传播神经网络（BPNN）奠定了基础。
Pytorch深度学习（一）：前馈神经网络（FNN）
参考B站课程：《PyTorch深度学习实践》完结合集
传送门：《PyTorch深度学习实践》完结合集
一、线性模型：
已知数据：
x = [ 1 , 2 , 3 ] , y = [ 2 , 4 , 6 ] x=[1,2,3],\quad y=[2,4,6] x=[1,2,3],y=[2,4,6]
预测 x = 4 x=4 x=4时， y y y等于多少
建立线性模型
y ^ = w ∗ x , x , y ^ ∈ R \hat{y}=w*x,\quad x,\hat{y}\in\mathbb{R} y^=w∗x,x,y^∈R
估计权重 w w w（weight），再来预测 x = 4 x=4 x=4时 y y y的值。
定义MSE（Mean Square Error）：
c o s t = 1 N ∑ n = 1 N ( y ^ n − y n ) 2 cost=\frac{1}{N}\sum_{n=1}^{N} (\hat{y}_n-y_n)^2 cost=N1n=1∑N(y^n
最低0.47元/天 解锁文章
扫一扫
1692
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
