Deep learning入门随记

本文介绍了深度学习的基础知识,包括神经网络的激活函数、梯度下降算法和反向传播的直观理解。此外,还探讨了优化深度神经网络的方法,如超参数选择、正则化(L2、Dropout)以及数据扩增和早期停止策略,强调了训练、开发和测试集的合理划分对模型性能的影响。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、Part one神经网络和深度学习

1.A[1]矩阵,在横向方向上表示的是不同样本的切换,在纵向方向上表示的是不同layer层的切换。

右上角for loop代码可以向量化为下面四行代码(利用矩阵+b广播)

2.四个常用的激活函数(sigmoid\tanh\relu(retectified linear unit)\leaky relu)

3.激活函数的导数

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

_Ocean__

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值