admin 管理员组

文章数量: 894198

小记记记记

1.机器学习
监督机器学习          无监督机器学习    半监督机器学习
分类        回归      集群
支持向量机  线性回归  k-Means
近邻        决策树    隐马尔可夫模型
神经网络    神经网络  神经网络

2.Tensor
scalar(标量):一个数值
vector(向量):一维数组
matrix(矩阵):二维数组
tensor(张量):大于二维的数组,即多维数组

3.手写字体的识别流程
定义超参数
构建transforms,主要是对图像做变换
下载、加载数据集MNIST
构建网络模型
定义训练方法
定义测试方法
开始训练模型,输出预测结果

4.专业名词解释
(1).参数与超参数
参数:模型f(x,&)中的&称为模型的参数,可以通过优化算法进行学习
超参数:用来定义模型结构或优化策略
(2).batch_size批处理
每次处理的数据数量
(3).epoch轮次
把一个数据集循环进行几轮
(4).transforms变换
主要是将图片转换为tensor,旋转图片,以及正则化
(5).nomalize正则化
模型出现过拟合现象时,降低模型复杂度
(6).卷积层
由卷积核构建,卷积核简称为卷积,也称为滤波器,卷积的大小可以在实际需要时自定义其长和宽
(7).池化层
对图片进行压缩(降采样)的一种方法
(8).激活层
激活函数的作用就是在所有的隐藏层之间添加一个激活函数,这样的输出就是一个非线性函数了,因而神经网络的表达能力更加强大。
(9).损失函数
在深度学习中,损失反映模型最后预测结果与实际真值之间的差距,可以用来分析训练过程的好坏、模型是否收敛等,例如均方损失、交叉熵损失等。
(10).前向传播
(11).反向传播
(12).梯度下降法

本文标签: 小记记记记