《深度学习》李宏毅 -- task4深度学习介绍和反向传播机制
学习 -- 介绍 机制 深度 反向 传播 李宏毅
2023-09-14 09:12:43 时间
深度学习的三个步骤
- Step1:神经网络(Neural network)
- Step2:模型评估(Goodness of function)
- Step3:选择最优函数(Pick best function)
2.1 神经网络(Neural network)
神经网络(Neural network)里面的节点,类似我们的神经元。神经网络也可以有很多不同的连接方式,这样就会产生不同的结构(structure)在这个神经网络里面,我们有很多逻辑回归函数,其中每个逻辑回归都有自己的权重和自己的偏差,这些权重和偏差就是参数。
2.2 模型评估(Goodness of function)
损失示例:
对于模型的评估,我们一般采用损失函数来反应模型的好差,所以对于神经网络来说,采用交叉熵(cross entropy)函数来对y yy和y ^\hat{y}y^的损失进行计算。
总体损失:
对于损失,我们不单单要计算一笔数据的,而是要计算整体所有训练数据的损失,然后把所有的训练数据的损失都加起来,得到一个总体损失L。
2.3 选择最优函数(Pick best function)
我们使用梯度下降法去找最优函数和最好的一组参数。
三、反向传播
- 1.损失函数(Loss function)是定义在单个训练样本上的,也就是就算一个样本的误差,比如我们想要分类,就是预测的类别和实际类别的区别,是一个样本的,用L表示。
- 2.代价函数(Cost function)是定义在整个训练集上面的,也就是所有样本的误差的总和的平均,也就是损失函数的总和的平均,有没有这个平均其实不会影响最后的参数的求解结果。
- 3.总体损失函数(Total loss function)是定义在整个训练集上面的,也就是所有样本的误差的总和。也就是平时我们反向传播需要最小化的值。
四、总结
通过本节的学习,我学会了:
- 1.深度学习的来由
- 2.深度学习的步骤
- 3.反向传播的基础知识
本文参考:【DataWhale-李宏毅深度学习】
相关文章
- java基础知识回顾之java Thread类学习(三)--java线程实现常见的两种方式实现好处:
- Python学习--19 网络编程
- Coursera台大机器学习课程笔记8 -- Linear Regression
- java学习笔记4--对象的初始化与回收
- Java -- JDBC 学习--通过 ResultSet 执行查询操作
- 前端学习 -- Css -- 浮动
- 前端学习 -- Css -- 样式的继承
- 前端学习 -- Xhtml语法规范
- WebGL学习笔记二——绘制基本图元
- 前端学习 -- Css -- 行间距
- suricata学习笔记1--初步认识
- Spring学习10- bean的生命周期(阿里面试题目两次面试均提到)
- 音视频开发,前景和学习路线
- 数学建模学习(88):飞蛾扑火算法(WFO)寻优
- 操作系统学习笔记_10_文档管理 --文件系统
- C++ Primer 学习笔记_38_STL实践与分析(12)--集成的应用程序容器:文本查询程序
- Android 学习文档推荐
- 最常用的Python库--机器学习和数据科学必备神器
- ROS Python 入门学习笔记--1--工作空间与功能包的创建