didi_official

用LSTM来做下那个预测问题 LSTM要初始化的参数：input_size,hidden_size,num_layers,batch_first 注意，LSTM的输入是inp...

didi_official

实际上就是对线性层的复用？ 卷积层运算复杂，但是权重不多（共享权重）；而FC层则是反一下，如果同一层的个数太多，那么其权重的数量可能会多到难以处理。因此，RNN就是专门用来处...

didi_official

实际的CNN结构可能要更为复杂，比如：分支，输出拿来再用等； 分支网络： other是指 如果还是跟之前一样，一个个的去实例化的话，那么这个Net模型的代码就会有一大堆的代码...

didi_official

全连接网络：网络中所使用的全都是线性层，并且串行器来，就跟上一章的那个模型一样的样子： 线性层中输入\出层的任意两个节点之间都有权重，即所有输入节点都要参与到下一层输出的计算...

didi_official

经常使用softmax分类器 以Mnist数据集为例： 这里有10种数据类型，那么其对应输出该如何写？ 我们希望y1-10之间具有竞争性：也就是其中一个多了，其他几个就得小。...

didi_official

Dataloader主要是拿出一些Mini-Batch来供训练时能够快速使用。使用batch可以提升计算速度，但是其求值的性能会有些问题。因此选用了Mini-Batch来进行...

didi_official

在面对多维输入时，σ函数的输入就变成了： 通常把那两个向量相乘记为z(i)； Mini-Batch (N samples)： pytorch的sigmoid函数是向量计算的，...

didi_official

机器学习中大多数时候做的是分类任务； 通过MNIST来进行下载 实际上这个模型并不是在算y的值是多少，而是y对每一个取值的概率，选取其中最大的那个来作为其值； 这些图片可以通...

didi_official

所含内容如下： 如何构造神经网络模型； 如何构造损失函数； 如何构造优化器，如sgd(随机梯度下降)； 用pytorch写的模型弹性不错，可以扩展为神经网络；总体步骤： 第二...

didi_official

其实就是个函数y=ω * x + b通过不断调参来确定最优ω/b值从而确定最小损失： 画曲线图： 三、梯度下降法 就是通过求导后找优化的点来找到最优点： 在使用梯度下降时...

didi_official

目标 如何通过pytorch来实现一个学习系统； 理解基本的NN/DL； 表示学习：特征提取，提取代表性最好的几个特征来代表数量庞大的整体，但是偏浅层；深度学习：就是深层次的...

didi_official

6.1 概述 6.1.1 无监督学习与聚类算法 无监督学习：在训练的时候只需要特征矩阵X，不需要标签； 聚类算法/无监督分类作用：将数据划分成有意义或有用的组（或簇）； 6....

didi_official

其实有些东西已经在sklearn的那个里面讲过了，这边补充点没讲过的吧 3.5 向量化实现的解释 以下面这个前向传播为例： 此时，W[1]就是一个矩阵，而x(i)都是列向量，...

didi_official

十二、深度学习入门 12.1 神经网络 其实就是让模型学习人类的思考方式来进行学习以及解决问题 那么就用圆来代表神经元，用线来代表神经流动方向，从而形成如下结构： 像这样的结...

didi_official

二、神经网络的编程基础 2.1 二分类(Binary Classification) 前向暂停\传播(forward pause\propagation)/：数据从输入层传入...

didi_official

上一篇: 数据挖掘:理论与算法笔记2-数据预处理下一篇: 数据挖掘:理论与算法笔记4-神经网络 3 从贝叶斯到决策树: 意料之外，情理之中 3.1 贝叶斯奇幻之旅 分类 鱼的...

didi_official

十一、XGBoost 11.1 梯度提升树 class xgboost.XGBRegressor (max_depth=3, learning_rate=0.1, n_est...

didi_official

一、神经网络和深度学习 1.1 什么是神经网络 常用深度学习来指训练神经网络的过程，以房价预测为例：假设你有一个数据集，它包含了六栋房子的信息。所以，你知道房屋的面积是多少平...