xiaohuoguo的博客

使用pytorch构建神经网络系列 第五章 目录使用pytorch构建神经网络系列第五章1. 1.

使用pytorch构建神经网络系列 第四章 第二节Neural Network 目录使用pytorch构建神经网络系列第四章 第二节Neural Network1.Cross Entropy 1.Cross Entropy 参考：网易云课程

使用pytorch构建神经网络系列 第三章 第二节Neural Network 目录使用pytorch构建神经网络系列第三章 第二节Neural Network1.Cross Entropy2.多分类问题实例 1.Cross Entropy KL Divergence 反应了p和q两个分布的相似度，在我采用one-hot encoding时，H§就等于0，因此我们求交叉熵就是要求p分布和q分布的KL Divergence ，交叉熵越小说明p分布和q分布越相似，我们pred的值和真实值越相近。 例子

Deep Learning 理论知识 CNN 卷积神经网络 目录Deep Learning 理论知识CNN 卷积神经网络1.为什么使用CNN2.CNN – Convolution2.CNN – Max Pooling3.CNN – Flatten3.CNN – in Keras3.CNN – What does CNN learn? 1.为什么使用CNN 对于一张图片，一个神经元不用了解整张图，通过一小部分特征就可以分辨图中存在的某些特定pattern。 Connecting to small regi

使用pytorch构建神经网络系列 第三章 SGD 随机梯度下降 目录使用pytorch构建神经网络系列第三章 SGD 随机梯度下降1.激活函数 Activation Function2.损失函数Loss 及其梯度 1.激活函数 Activation Function Sigmoid / Logistic 求导步骤： torch.sigmoid Tanh tanh函数求导 torch.tanh Rectified Linear Unit(ReLU) ReLU函数求

使用pytorch构建神经网络系列 第二章 第二节 pytorch进阶 目录使用pytorch构建神经网络系列第二章 第二节 pytorch进阶1.Broadcasting2.Merge/split3.数学运算4.属性统计5.Tensor advanced operation 1.Broadcasting key idea: -Insert 1 dim ahead -Expand dims with size 1 to same size -Feature maps:[4,32, 14,14] -Bia

使用pytorch构建神经网络系列 第二章 pytorch基础 文章目录使用pytorch构建神经网络系列第二章 pytorch基础1.标量，dimension = 02.张量 1.标量，dimension = 0 torch.tensor(2.5) tensor(2.5000) a = torch.tensor(2.5) a.shape torch.Size([]) len(a.shape) 0 2.张量 向量dimension = 1 torch.tensor([1.1, 2.2])

使用pytorch构建神经网络系列 第一章 手写数字辨识初体验 本篇文章是记录使用简单神经网络进行对手写数字辨识 1.定义一下后续使用的函数 代码如下（示例）： 可视化loss下降曲线 import torch from matplotlib import pyplot as plt #loss curve def plot_curve(data): fig = plt.figure() plt.plot(range(len(data)), data, color = 'blue')