深度学习入门基础
内容包括:
-
梯度下降法
普通梯度下降:linear_bgd,学习效率过低收敛很慢,过高,容易发散
随机梯度下降:linear_sgd,在训练过程中即跟新权重
动量梯度下降:linear_momentnum,梯度考虑了上一个梯度*discount和现在梯度的和
增加激活函数 -
网络结构
增加简单的异或模拟网络,一个隐藏层,很显然,可以改写成任意的逻辑模拟(包含矩阵和向量两种写法) -
mnist识别
-
增加keras初体验
网络结构体验
mnsit测试 -
常用工具
批量改名程序