- 博客(4)
- 收藏
- 关注
RSS订阅原创 李的深度学习三：回归
李哥概括这个项目反复训练是为了得到更好的模型。所有数据每次取一批，经过f更新模型，取完所有数据，更新完模型以后，模型就训练完了一次。李哥提醒我们要会计算参数，比如在一个leaner(3,4)中，按照3*4+4=16得出有16个参数。这次博客写的非常糟糕，主要是因为每一行代码可以理解，但是合在一起就不明白了，希望以后熟悉了能有新的收获。
2025-02-08 12:02:14
1227
1
原创 李的深度学习二：线性表示
总体来看依然是线性表达y=x*w+b这个形式在特定特征维度idx上的拟合线，x是特征值X[:, idx].detach().numpy()，y是模型预测值X[:,idx].detach().numpy()*w_0[idx].detach().numpy()+b_0.detach().numpy()。Y作为散点图的y轴。矩阵x的形状由传入的参数data_num确定行，len(w)确定列，在torch.normal()中，前两个参数0和1代表的是正态分布中的均值为0，标准差为1，生成随机数作为矩阵x中的元素。
2025-01-12 14:49:57
1096
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人