Tarry

赞

0

|

搜索文章

优化器与指数加权平均（EMA）学习笔记

本文记录了深度学习中常见优化方法和指数加权平均（EMA）的原理，并通过 PyTorch 示例展示参数初始化与 EMA 的实际效果

5月前
128
点赞
评论

反向传播、softmax损失函数与交叉熵损失函数的简单理解

关于反向传播过程的简单理解，以及对于softmax损失函数与交叉熵损失函数的作用与求导过程的学习笔记

5月前
43
点赞
评论

PyTorch 张量操作与梯度学习：从 view/reshape 到梯度下降

本文记录了 PyTorch 学习中的几个核心内容：张量操作、张量统计、梯度计算、梯度下降、与Sigmoid 导数笔记结合

5月前
49
点赞
评论

逻辑回归训练流程详解与PyTorch实现

本文整理了逻辑回归从正向传播到反向传播的完整训练流程，并结合PyTorch示例代码，说明了数据生成、标签处理、损失计算、梯度下降以及训练收敛的关键步骤，便于初学者理解与实践。

5月前
79
点赞
评论

逻辑回归与感知机概念

逻辑回归本质是单层感知机，通过线性组合加激活函数实现二分类。若增加隐藏层并引入非线性变换，即形成多层感知机（MLP），是深度学习的基础，CNN、RNN、Transformer等均由此发展。

5月前
85
点赞
评论

PyTorch 实现逻辑回归（二分类，Mini-Batch 梯度下降版）

本示例代码演示了如何使用 PyTorch 从零开始实现逻辑回归模型，用于二分类任务代码主要包含以下部分：参数定义、数据准备、训练过程、优化目标

5月前
92
点赞
评论

逻辑回归通俗理解：从线性回归到梯度下降

本文总结了逻辑回归的核心概念和训练原理。逻辑回归虽然名字里带“回归”，本质是二分类模型，它通过线性加权和计算输入特征，并使用 Sigmoid 函数将结果映射为 0 到 1 的概率。通过交叉熵损失函数衡

5月前
114
点赞
评论

逻辑回归通俗理解：从线性回归到梯度下降

个人成就

文章被阅读 590

加入于

2025-08-30