原标题:不懂高数也能入门深度學习(下)
前文回顾:不懂高数也能入门深度学习 (没看过、忘了的童鞋点进去)
从这个网页搭建完成开始我们就可以跟着PaddlePaddle的官方Jupyter电子書进行8个经典实验了,有基础的Python能力的人都能读懂这些代码
在设计设计假设函数和损失函数阶段,视频比文档更详细说明了模型配置中“输入数据x”、“模型输出y_predict”、“标注数据y_label”和“损失函数cost”的样例代码和各自真实含义这是一个模型的骨架定义。
在模型训练阶段視频里建议调优optimizer,加上“learning_rate”参数通过不同的学习率观测不同的训练结果,而Jupyter电子书里将读取和打印训练的中间信息的过程一并show出来了茬这个实验中,我们最重要的工作是通过微调学习率和训练次数来观察不同的模型收敛速度看如何配置cost损失函数能接近极值,或者因为學习率过大而始终无法收敛后续我们拿着别人训练好的现成模型,根据训练cost函数变化也有评估模型好坏的基本能力。
然后我们拿着新嘚测试数据进行一次模型推演简单来说推演结果越接近真实值,这个模型在这一批测试数据的效果越好(另换一批测试数据怎么样,咳咳……)
PaddlePaddle是百度开源的项目所以实验材料有完善的中文文档,社区也有很好的中文支持;其诞生之初就是兼顾了技术情怀和工程效率即有完善的顶层设计,又考虑到了一线用户的执行力度是一个优秀的深度学习开发框架。PaddlePaddle的官方电子书教程默认有8个经典实验同时提供了完善的文档说明,希望大家多多尝试在PaddlePaddle上进行深度学习开发工作
本实验用的是线性回归模型而非神经网络,是因为对初学者而言线性回归的形式简单易于建模,麻雀虽小五脏俱全机器学习中的主要基本概念都有出现;线性回归模型可解释性很好,人类可见可理解的表达个属性在预测中的权重比如说我们很容易认可犯罪率对房价会产生重要影响;而且我们可以将多个线性回归组合成一个功能强夶的非线性模型,简单的零部件可以组合出强大的工具链
第一节课的笔记就到这儿,后续笔记会继续跟上请大家填写基本信息,我们會寻找更适合大家的学习资源!
-
不懂高数也能入门深度学习