從這篇文章開始，終於要干點正兒八經的工作了，前面都是准備工作。這次我們要解決機器學習的經典問題，MNIST手寫數字識別。 首先介紹一下數據集。請首先解壓：TF_Net\Asset\mnist_png.tar.gz文件 文件夾內包括兩個文件夾：training和validation ...

上一篇文章我們介紹了通過神經網絡來處理一個非線性回歸的問題，這次我們將采用神經網絡來處理一個多元分類的問題。 這次我們解決這樣一個問題：輸入一個人的身高和體重的數據，程序判斷出這個人的身材狀況，一共三個類別：偏瘦、正常、偏胖。 處理流程如下： 1、收集數據 2、構建神經網絡 3、訓練 ...

"如果一個算法在MNIST上不work，那么它就根本沒法用；而如果它在MNIST上work，它在其他數據上也可能不work"。 ...

本文將介紹如何采用卷積神經網絡（CNN）來處理Fashion-MNIST數據集。 程序流程如下： 1、准備樣本數據 2、構建卷積神經網絡模型 3、網絡學習（訓練） 4、消費、測試 除了網絡模型的構建，其它步驟都和前面介紹的普通神經網絡的處理完全一致，本文就不重復介紹了，重點講一下模型 ...

回歸分析用於分析輸入變量和輸出變量之間的一種關系，其中線性回歸是最簡單的一種。 設： Y=wX+b，現已知一組X（輸入）和Y（輸出）的值，要求出w和b的值。 舉個例子：快年底了，銷售部門要發年終獎了，銷售員小王想知道今年能拿多少年終獎，目前他大抵知道年終獎是和銷售額（特征量）掛鈎的，具體 ...

import torch import numpy import random from torch.autograd import Variable import torch.nn.funct ...

關鍵詞： 梯度下降：就是讓數據順着梯度最大的方向，也就是函數導數最大的放下下降，使其快速的接近結果。 Cost函數等公式太長，不在這打了。網上多得是。 這個非線性回歸說白了就是縮小版的神經網絡。 python實現： 運行結果： ......輸出數據太多，只截取后面十幾 ...

之前寫的線性回歸，充斥了大量的公式，對於入門來說顯得過於枯燥，所以打算重寫這一部分，而了解了線性回歸后，它又可以為我們解釋深度學習的由來。 一、機器學習簡述 機器學習可以理解為計算機根據給定的問題及數據進行學習，並可根據學習結果解決同類型的問題。可以把機器學習比作一個函數，把我們已知的數據輸入 ...