深度学习

本文为笔者，不断加深对RNN的理解所作。不间断更新本文。 处理序列数据需要统计工具和新的深度神经网络架构（RNN） 训练数据的形式 我们可以如何去构建一个数据集呢？ 其实这批数据仅仅是由 1,2,3,

torch torch.arange 生成一个张量，起点，终点，步长 torch.normal nn nn.Linear nn.Linear定义一个神经网络的线性层

6.1 从全连接到卷积 我们之前讨论的多层感知机十分适合处理表格数据，其中行对应样本，列对应特征。但面对更加高纬度的数据，这种缺少结构的网络可能会变得不实用。 对图片进行降维，将面临百万级的特征维度，

5.1 层和块 为了实现复杂的网络，我们引入了神经网络块的概念。块（block）可以描述单个层，或者描述多个层组成的组件，又或者是整个模型都可以称之为一个块。 使用块进行抽象的一个好处是，可以将一些块

4.4 模型选择、欠拟合和过拟合 我们的目标是发现模式，但是，我们如何才能确定模型是真正发现了一种泛化的模式， 而不是简单地记住了数据呢？ 更正式地说，我们的目标是发现某些模式， 这些模式捕捉到了我们

4.1 多层感知机 4.1.1 隐藏层 先回顾一下仿射变换 仿射变换的特点是通过加权和对特征进行线性变换（linear transformation）， 并通过偏置项来进行平移（translation

此前，我们介绍了线性回归。 回归可以用来预测多少的问题。比如预测房屋被出售的价格、棒球队可能获胜的场次... 事实上，还有一类问题是：分类问题，不是问“多少”，而是问“哪一个”： 某个电子邮件是否属于

3.1 线性回归 3.1.1 线性回归的基本元素 这里只简单罗列几个名词 训练集 样本 标签 特征 预测所依据的自变量（如：预测房价时的面积、房龄） 3.1.1.1 线性模型 其中，w称为权重，b称为

2.1 数据操作 首先介绍一下n维数组，也称为 张量 （tensor） 跟Numpy中的ndarray类似，但又多了一些重要的功能： tensor支持GPU加速计算，而NumPy仅支持CPU计算 te

机器学习，可以用来干什么呢？ 监督学习 举个例子，可以用来预测房价，根据房子的面积来预测房价。 还可以解决分类问题 是良性肿瘤还是恶性肿瘤？ 无监督学习 新闻的聚类算法 根据标题的关键字自动聚类，而不