6.6 LeNet
我们对原始模型做了一点小改动，去掉了最后一层的高斯激活。除此之外，这个网络与最初的LeNet-5一致。
#深度学习#PyTorch#动手学深度学习#卷积神经网络
文章 · 第 2 页
6.2-6.5 卷积的一些基础代码
高度和宽度分别为 $h$ 和 $w$ 的卷积核可以被称为 $h\times w$ 卷积或 $h\times w$ 卷积核。我们也将带有 $h\times w$ 卷积核的卷积层称为 $h\times w$ 卷积层。
#深度学习#PyTorch#动手学深度学习#卷积神经网络
4.6 Dropout 的代码实现
我们使用Fashion-MNIST数据集，定义具有两个隐藏层的多层感知机，每个隐藏层包含256个单元。
#深度学习#PyTorch#动手学深度学习#模型选择
4.5 权重衰退的代码实现
首先，我们生成一些数据，公式如下：
#深度学习#PyTorch#动手学深度学习#模型选择
4.4 通过多项式拟合来探索过拟合与欠拟合
我们将使用以下三阶多项式生成训练和测试数据：
#深度学习#PyTorch#动手学深度学习#模型选择
4.2-4.3 多层感知机的实现
4.2-4.3 多层感知机的实现
#深度学习#PyTorch#动手学深度学习#多层感知机
3.6-3.7 Softmax 回归的实现
对于一张图片输入${\bf{x}}\in(28\times28)$，转化为行向量${\bf{x}}\in(1\times784)$，与权重${\bf{W}}\in(784\times10)$做乘法后加上偏差${\bf{b}}\in(1\times10)$，得到结果矩阵$(1\times10)$
#深度学习#PyTorch#动手学深度学习#Softmax回归
3.2-3.3 线性回归的实现
嘿嘿，第一篇笔记⎛⎝≥⏝⏝≤⎛⎝
#深度学习#PyTorch#动手学深度学习#线性回归