作者存档 | Muhammad Asad Iqbal Khan

在我们 PyTorch 系列的上一节中，我们演示了当使用均方误差 (MSE) 损失时，初始化不良的权重会如何严重影响分类模型的准确性。我们注意到模型在训练过程中未能收敛，其准确性也显著降低。接下来，您将看到如果 […]

单层神经网络，也称为单层感知机，是最简单的神经网络类型。它只包含一层神经元，这些神经元连接到输入层和输出层。在图像分类器的情况下，输入层将是图像，输出层将是 […]

传统的神经网络模型称为多层感知机。它们通常由一系列相互连接的层组成。输入层是数据进入网络的起点，输出层是网络输出结果的地方。输入层通常连接到一个或多个隐藏层，这些层 […]

神经网络是由相互连接的神经元节点集合组成的。神经元不仅连接到它们的相邻神经元，还连接到更远的神经元。神经网络的主要思想是，层中的每个神经元都有一个或多个输入值，它们 […]

Softmax 分类器是一种监督学习中的分类器。它是深度学习网络中的重要构建模块，也是深度学习从业者中最受欢迎的选择。Softmax 分类器适用于多类别分类，它输出每个类别的概率。本教程将教您如何构建一个 Softmax […]

虽然逻辑回归分类器用于二元类别分类，但 Softmax 分类器是一种监督学习算法，主要用于涉及多个类别的情况。Softmax 分类器通过为每个类别分配概率分布来工作。具有最高概率的类别的概率分布被归一化为 1，而所有其他 […]

为了构建一个能够准确分类数据样本并在测试数据上表现良好的分类器，您需要以一种使模型能够良好收敛的方式初始化权重。通常我们会随机化权重。但是，当我们使用均方误差 (MSE) 作为训练逻辑回归模型的损失时，我们可能会 […]

逻辑回归是一种用于建模事件概率的统计技术。它通常在机器学习中用于进行预测。当需要预测分类结果时，我们应用逻辑回归。在 PyTorch 中，逻辑回归的构建与线性回归类似。它们都应用于线性输入。 […]

多目标多线性回归模型是一种机器学习模型，它接受单个或多个特征作为输入来做出多个预测。在我们之前的文章中，我们讨论了如何使用多线性回归进行简单预测并生成多个输出。在这里，我们将构建模型并在数据集上进行训练。在本 […]

虽然在前几篇教程中我们处理的是单输出多线性回归，但在这里我们将探讨如何将多线性回归用于多目标预测。复杂的神经网络架构本质上是让每个神经元单元独立执行线性回归，然后将结果传递给另一个神经元。因此，了解此类回归的工作原理非常[…]