超智能体L01:9分钟的深度学习

目录

  • 数据讲解:00:25
  • 数据代码:01:19
  • 模型讲解:01:43
  • 模型代码:02:58
  • 学习讲解:03:44
  • 学习代码:06:10
  • 训练可视化:07:57
  • 活不好一生:09:04

视频

因为代码没法在视频里教会,只是详细的注释作用,所以将会做个代码的教学,免费上机操作的那种,让大家跟着指示一步一步运行。coming soon。

知识点

  1. 视频中的梯度可视化大家可以自己操作。代码也在 github 里。
  2. 想要更透彻的理解以上的概念,请用参数尽可能少的深度模型来拟合北京出租车距离与价格的关系,不超 3 公里 都是 14 元,超过的部分 2.5 元每公里。 同时。调节学习速率, 批量值,次数等高参来感受它们对模型训练的印象。关键在于测试集(模型没见过的数据)的误差。
  3. 我 github 的 M01 视频文件夹里又增加了 完成以上操作需要理解的编程概念。变量, 函数, 列表, 字典,类,矩阵操作。新入门编程的同学需要这些概念。遇到任何不会的知识请善用互联网。以后会谈到学习计算机语言的一些思维习惯如何改掉。
  4. 视频感觉并没有什么人观看,大家可能并不喜欢大道理,所以我去掉了开头,缩短了结尾。希望你可以领会我的用心,我在尽可能的筛选最核心的知识来展现,而不是抛出一个书单让你从茫茫的信息海洋里寻找。用我的时间为大家做减法。希望把知识传播给更多人。但免费的知识总会被人们忽视,觉得不可靠。如果你赞同我所做的努力,请把视频散播给更多的人,让我知道我没有在做无用功。
超智能体
超智能体

分享简单易懂深度学习知识。

入门深度学习
41
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

张量技术

张量是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数,这些线性关系的基本例子有内积、外积、线性映射以及笛卡儿积。其坐标在 维空间内,有 个分量的一种量,其中每个分量都是坐标的函数,而在坐标变换时,这些分量也依照某些规则作线性变换。称为该张量的秩或阶(与矩阵的秩和阶均无关系)。 在数学里,张量是一种几何实体,或者说广义上的“数量”。张量概念包括标量、矢量和线性算子。张量可以用坐标系统来表达,记作标量的数组,但它是定义为“不依赖于参照系的选择的”。张量在物理和工程学中很重要。例如在扩散张量成像中,表达器官对于水的在各个方向的微分透性的张量可以用来产生大脑的扫描图。工程上最重要的例子可能就是应力张量和应变张量了,它们都是二阶张量,对于一般线性材料他们之间的关系由一个四阶弹性张量来决定。

推荐文章
地址什么的都看不到啊。。