暂无搜索历史
这个数据集是我们在后面学习中将会用到的图形分类数据集。它的图像内容相较于手写数字识别数据集MINIST更为复杂一些，更加便于我们直观的观察算法之间的差异。
对于离散值预测问题，我们可以使用诸如softmax回归这样的分类模型。softmax回归模型有多个输出单元。本章以softmax回归模型为例，介绍神经网络中的分...
Pytorch提供了大量预定义的层，使用框架时，主要是需要关注使用哪些层来构造模型。
模拟退火法的核心原理：当材料从状态i进入状态j时，若E(j)<=E(i),状态会被转移（E(i)=E(j)）;若为其他情况，状态会以小概率被转移。也就是说，模拟...
设置小批量数目为256。这一部分与之前的线性回归的读取数据大同小异，都是转换类型-->生成迭代器。
下面讲一下我解决这个问题的办法 首先创建一个这个目录 <C:\Users\树枝990\Datasets\FashionMNIST\FashionMNIST> ...
由softmax回归模型的定义可知，softmax回归模型只有权重参数和偏差参数。因此可以使用神经网络子模块中的线性模块。
线性回归是单层神经网络，设计的概念和技术适用于大多数深度学习模型；因此，我们以线性回归为例，学习深度学习模型的基本要素和表示方法。
多层感知机在单层神经网络的基础上引入了一到多个隐藏层(hidden layer)。如图所示的隐藏层一共有5个隐藏单元。由于输入层不涉及计算，因此这个多层感知机的...
这一节不牵扯深度学习框架，仅使用Tensor和autograd库来训练线性回归模型。
---- SE模型 缺点： 没有考虑接触到的人中还有一部分病人，所以所有人并不会全部被感染。 建立模型： 已感染人数（病人） 每个病人每天有效接触（足以使人致...
上一步最终得到的数据为tensor(x)的形式，为了得到最终的pytorch number，需要对其进行下一步操作
trainning：用来训练的数据。 validtion：测量网络泛化的数据（泛化停止改善时停止训练） testing：用来测试神经网络的数据。
机器学习过程中，评估候选模型并从中选择模型的过程叫做模型选择。模型选择的对象不仅是不同的模型也可以是有着不同超参数的同一模型。
每个小批量设置为10，使用TensorDataset转换为张量，使用DataLoader生成迭代器。
最近想给绘制出来的图加入中文标题，但是出现方形乱码。查了番资料，最后找到了解决办法。
在训练深度学习模型时，正向传播和反向传播之间相互依赖。一方面正向传播的计算可能依赖于模型参数的当前值而这些模型参数是在反向传播的梯度计算后通过优化算法迭代的。另...
假设输入与上同；index=B；输出为C B中每个元素分别为b(0,0)=0,b(0,1)=0 b(1,0)=1,b(1,1)=0
Fashion-MNIST数据集中的图像为28*28像素，也就是由784个特征值。Fashion-MNIST数据集一共有十个类别。因此模型需要784个输入，10...
为了减轻上一篇文章提到的过拟合现象，往往需要增大训练集，但增大训练集的代价往往是高昂的。
暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市
