Limit of Li..
神经网络实践
Google 深度学习笔记 (Google Deep Learning Notes)
Neural network
用一个RELU作为中介,一个Linear Model的输出作为其输入,其输出作为另一个Linear Model的输入,使其能够解决非线性问题
神经网络并不一定要完全像神经元那样工作
Chain Rule:复合函数求导规律
大量可重用的数据,易于实现(简单的数据流)
Back propagation
计算train_loss时,数据正向流入,计算梯度时,逆向计算
计算梯度需要的内存和计算时间是计算train_loss的两倍
利用上面的知识,结合lesson1中的SGD,训练一个全连接神经网络:
神经网络实践
扩展阅读:
西瓜书第五章·神经网络
书籍推荐
机器学习实战
gaolinjie
•
machine-learning
•
18页
•
2018年7月8日
10
写给人类的机器学习
gaolinjie
•
machine-learning
•
10页
•
2018年7月8日
29
神经网络与深度学习
tigerneil
•
machine-learning
•
9页
•
2018年6月5日
239
每日 30 秒 , 一段代码 ,一个场景
pushmetop
•
code
•
46页
•
2019年5月26日
265
React Native中文文档0.51版
tzivanmoe
•
react
•
118页
•
2018年7月1日
0
Java 8:新特性教程
shekhargulati
•
java
•
9页
•
2018年6月6日
1241
小字
大字
宋体
黑体
白天
护眼
夜晚
封面
简介
Lesson 1
Machine Learning to Deep Learning
Logistic Classification
Logistic Classification实践
Stochastic Optimization
Lesson 2
Deep Neural Network
Limit of Linear Model
Neural network
神经网络实践
优化神经网络:
Deep Network
深度神经网络实践
Lesson 3
Convolutional Networks
卷积神经网络实践
Lessson 4
Deep Models for Text and Sequence
循环神经网络实践
NumPy笔记
matplotlib笔记
sklearn笔记
TensorFlow笔记