深度学习神经网络相关记录《二》

如何判断模型是一个好模型?

  1. 模型预测效果,也就是模型预测的准确率
  2. 运算速度;能够处理大量数据、短时间内急速学习、可以实时进行预测,是机器学习的重要优势;
  3. 可解释性;深度学习已经不太关系这一点了,但是在机器学习中依然注重可解释性;
  4. 服务于业务;要有商业价值。

框架是什么?框架(framework)和库(library)有什么区别?

框架就是封装程度更高的库,PyTorch可以说成是构建深度学习算法的Python库。

一个神经网络算法的结果如何才能优秀?

如果机器学习中,我们是通过模型选择、调整参数、特征工程等事项来提升算法的效果,那在神经网络中,我们能做的其实只有两件事:
1)加大数据规模
2)调整神经网络的架构,也就是调整网络上的神经元个数、网络层数、信息在网络之间的传达方式。

PyTorch中的模块主要分为两大类

  1. 原生Torch库下,用于构建灵活神经网络的模块;
    在这里插入图片描述
  2. 成熟AI领域中,用以辅助具体行业应用的模块;
    在这里插入图片描述

在机器学习中,我们默认所有的一维向量都是列向量。

在所有神经网络中,输入层永远只有一层,且每个神经元上只能承载一个特征(一个x)或一个常量(通常都是1)。

单层回归神经网络

单层神经网络

从直观来看,线性回归的网络结构明明有两层,为什么线性回归被叫做“单层神经网络”呢?
业内通识是,在描述神经网络的层数的时候,我们不考虑输入层。
输入层是每个神经网络都必须存在的一层,当使用相同的输入数据时,任意两个网络之间的不同指出就在输入层之后的所有层。所以,我们把输入层之后只有一层的神经网络称为单层神经网络。

二分类神经网络:逻辑回归

二分类神经网络可以看作逻辑回归的一种形式。逻辑回归是一种广义的线性回归分析模型,通过逻辑函数将结果映射到[0,1]之间,从而完成二分类任务。这种和使用sigmoid函数作为激活函数的二分类神经网络,是同一种形式。

sigmoid
s(x)=1/(1+exp(-x)),s值代表了样本为某一类标签的概率。
逻辑回归与线性回归的唯一区别就是在线性回归的结果之后套上了sigmoid函数。

多分类神经网络:Softmax回归

在这里插入图片描述
在这里插入图片描述
在多分类中,神经元的个数与标签类别的个数是一致的,样本的预测标签就是所有输出的σ1、σ2、σ3概率中最大概率对应的标签类别。
softmax只能对单一维度进行计算,它只能够识别单一维度上的不同类别
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/754222.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

macOS安装erlang以及rabbitMq详情版本

1.利用HomeBrew安装,如果你电脑没有HomeBrew可以跳转到HomeBrew安装教程 https://blog.csdn.net/weixin_50268501/article/details/136820299 2.要想运行rabbitMq要有Erlang 安装erlang brew install erlang3.安装RabbitMq brew install rabbitmq4.执行完上述命令…

基础:TCP三次握手做了什么,为什么要握手?

1. TCP 三次握手在做些什么 1. 第一次握手 : 1)握手作用:客户端发出建立连接请求。 2)数据处理:客户端发送连接请求报文段,将SYN位置为1,Sequence Number为x;然后,客户端进入SYN_S…

基于Matlab的视频人面检测识别,Matalb实现

博主简介: 专注、专一于Matlab图像处理学习、交流,matlab图像代码代做/项目合作可以联系(QQ:3249726188) 个人主页:Matlab_ImagePro-CSDN博客 原则:代码均由本人编写完成,非中介,提供…

分布式(计算机算法)

目录 分布式计算 分布式​编辑 分布式和集群 分布式和集群的应用场景 分布式应用场景 集群应用场景 哪种技术更优、更快、更好呢 性能 稳定性 以下概念来源于百度百科 分布式计算 分布式计算是近年提出的一种新的计算方式。所谓分布式计算就是在两个或多个软件互相共享信息…

【uniapp】uniapp设置改变全局字体大小功能:

文章目录 一、效果:二、文档:三、案例:引用插件,将项目中的字体单位rpx换成rem,结合官网提供的page-meta属性,通过控制根字体大小,达到调节字体大小要求。 一、效果: 二、文档&#…

Bash Shell中双引号中的感叹号问题详解

Bash Shell中双引号中的感叹号问题详解 在Bash Shell中,感叹号(!)是一个特殊字符,主要用于历史扩展。历史扩展允许你使用!来引用历史命令。然而,当你在双引号中使用感叹号时,如果你在双引号中直接使用感叹号,它可能会…

redis cpu百分百问题

系统使用spring cloud alibaba微服务框架,应用使用K8S发布,使用redis作为缓存数据库,运行一段时间之后开发反应早高峰时整个系统响应缓慢,排查发现服务网关gateway的pod健康状态频繁unhealthy,导致重启,且此…

冯米塞斯应力(von Mises stress)云图的MATLAB计算方法

关注 M r . m a t e r i a l , \color{Violet} \rm Mr.material\ , Mr.material

代码随想录算法训练营第46天 | 完全背包,139.单词拆分

动态规划章节理论基础: https://programmercarl.com/%E5%8A%A8%E6%80%81%E8%A7%84%E5%88%92%E7%90%86%E8%AE%BA%E5%9F%BA%E7%A1%80.html 完全背包理论基础: https://programmercarl.com/%E8%83%8C%E5%8C%85%E9%97%AE%E9%A2%98%E7%90%86%E8%AE%BA%E5%9…

全网最全的幻兽帕鲁服务器搭建教程——阿里云保姆级教程

玩转幻兽帕鲁服务器,阿里云推出新手0基础一键部署幻兽帕鲁服务器教程,傻瓜式一键部署,3分钟即可成功创建一台Palworld专属服务器,成本仅需26元,阿里云服务器网aliyunfuwuqi.com分享2024年新版基于阿里云搭建幻兽帕鲁服…

DVWA靶场-SQL InjectionSQL注入

SQL Injection(SQL注入)概念 就是通过把SQL命令插入到Web表单提交或输入域名或页面请求的查询字符串,最终达到欺骗服务器执行恶意的SQL命令。具体来说,它是利用现有应用程序,将(恶意)的SQL命令注…

YOLOv2学习

YOLOv2学习 Anchor boxes 和 bounding boxes 的区别锚框(Anchor Boxes)边界框(Bounding Boxes)锚框与边界框的区别 摘要引言数据集组合方法(Dataset Combination Method)联合训练算法(Joint Tra…

Python AI 之PhotoMaker 安装总结

PhotoMaker 官方文档 PhotoMaker GitHub 地址:https://github.com/TencentARC/PhotoMaker PhotoMaker Windows 安装 温馨提示:PhotoMaker 官网github 版本为通用版本,如果是Windows系统安装PhotoMarker 需要使用截图下的版本: 第一步&am…

nvm安装和使用保姆级教程(详细)

一、 nvm是什么 : nvm全英文也叫node.js version management,是一个nodejs的版本管理工具。nvm和npm都是node.js版本管理工具,为了解决node.js各种版本存在不兼容现象可以通过它可以安装和切换不同版本的node.js。 二、卸载之前安装的node: …

【Spring MVC】Spring MVC拦截器(Interceptor)

目录 一、拦截器介绍 二、拦截器 Interceptor 定义 2.1 HandlerInterceptor接口 2.2 Spring MVC中提供的一些HandlerInterceptor接口实现类 1、AsyncHandlerInterceptor 2、WebRequestInterceptor 3、MappedInterceptor 4、ConversionServiceExposingInterceptor 三、拦…

creator-webview加载优化

title: creator-webview加载优化 categories: Cocos2dx tags: [cocos2dx, creator, webview, 优化, 加载, 性能] date: 2024-03-02 13:17:20 comments: false mathjax: true toc: true creator-webview加载优化 前篇 Android WebView shouldInterceptRequest - https://www.ji…

Cesium.js计算两个地理坐标点之间按照1米为间隔进行等分的所有插值点的经纬度坐标

功能介绍: 首先,定义了两个地理坐标点 point1 和 point2,分别表示两个点的经度、纬度和高度。接着,通过 Cesium.Cartesian3.distance 方法计算了两点之间的直线距离。然后,根据直线距离将两点之间的距离进行等分&#…

Linux——动静态库的制作及使用与动态库原理

目录 一、静态库 1.静态库的制作 2.静态库的使用 加载静态库方法一:安装头文件与库文件 加载静态库方法二:指定文件目录 二、动态库 1.动态库的制作 2.动态库的使用 方法一:安装到系统中 方法二:软链接 方法三&…

新火种AI|英伟达GTC大会在即,它能否撑住场面,为AI缔造下一个高度?

作者:小岩 编辑:彩云 英伟达不完全属于AI行业,但神奇的是,整个AI领域都有着英伟达的传说。因为几乎所有的AI巨头都需要英伟达的芯片来提供算力支持。 也正因此,纵使AI赛道人来人往,此起彼伏,…

Session会话绑定

1.需求原因 用户的请求,登录的请求,经过负载均衡后落到后面的web服务器上,登录的状态/信息也会记录在web服务器上,就会导致不通的web服务器上,登录状态不统一,造成用户频繁需要登录 2.目标:如何实现会话保持/会话共享 方案一:登录状态写入cookie中.(wor…