宝塔搭建网站,软文小故事200字,惠州网站建设是什么意思,wordpress stats目录 Softmax回归 损失函数 图片分类数据集 Softmax回归从零开始实现 Softmax回归简洁实现 Softmax回归 回归和分类的区别
回归问题举例上节课的预测房价问题#xff0c;分类问题就是对样本进行分类 回归和分类的具体区别 假设真实的类别为第i个类别#xff08;值为1#x…
目录 Softmax回归 损失函数 图片分类数据集 Softmax回归从零开始实现 Softmax回归简洁实现 Softmax回归 回归和分类的区别
回归问题举例上节课的预测房价问题分类问题就是对样本进行分类 回归和分类的具体区别 假设真实的类别为第i个类别值为1其他类别都是假的值为0选择i最大化置信度 置信度的规则
选择i使得置信度远大于其他的类别的置信度 置信度相当于概率
y hat是一个长为n的向量 下面那个公式的操作是使得和为1也就是说yi hat可以作为概率两个Y的区别就可以作为损失 softmax的损失函数 softmax回归总结 损失函数 均方损失
蓝色Y0时变化预测值Y’的函数二次函数
绿色似然函数高斯分布
橙色损失函数的梯度穿过原点的一次函数决定了如何更新参数 梯度和预测值的相对关系决定了参数更新的变化程度 L1损失函数
蓝色预测值、绿色似然函数、橙色导数
好处稳定
不好零点处不可导 综合以上两种损失函数自己造的完美损失函数 梯度和实际值的相对关系 图片分类数据集 Fashion-MNIST数据集 下载数据集到内存
transforms.totensor() 将图像数据转化为浮点数格式
traintrue 下载训练数据集 downloadtrue默认在网上下载
第一张图片的形状 1表示Channel 28x28 打标签、输出图像函数 输出
画两行每行有九张图片 读取数据
shuffle 决定是否要打乱数据集的顺序
timer用来测试速度读取数据的速度通常要比模型速度快很多 下载数据集
resize可以选择把图片变得更大 Softmax回归从零开始实现 softmax是所有深度学习的基础
iter 训练集和测试集的迭代器 拉成向量会损失信息可以用卷积神经网络恢复 矩阵求和
keepdimtrue 表示还是二维矩阵 X是一个矩阵 实现softmax 一个实例 实现softmax回归模型
-1表示自动计算实际表示批量大小 举个例子
y_hat是预测值
y_hat [ [0,1], y] 拿出对真实标号那个类的预测值 实现交叉熵损失函数 预测类别与真实元素进行比较 评估任意模型的准确率 Accumulator softmax回归训练 可视化 训练函数 优化损失函数 训练模型 对图片进行分类预测 Softmax回归简洁实现
