作者存档 | Muhammad Asad Iqbal Khan

神经网络架构由数百个神经元构成，每个神经元接收多个输入以执行多线性回归操作进行预测。在之前的教程中，我们构建了一个仅使用前向函数进行预测的单输出多线性回归模型。在本教程中，我们将为我们的单 [...]

多线性回归模型是一种监督学习算法，可用于在给定多个输入变量 x 的情况下预测目标变量 y。它是一个线性回归问题，其中使用一个以上的输入变量 x 或特征来预测目标变量 y。该算法的一个典型用例是 [...]

训练数据是机器学习算法用来学习的数据集。它也称为训练集。验证数据是机器学习算法用来测试其准确性的一组数据。要验证算法的性能，就是将其预测输出与已知的真实情况进行比较 [...]

优化是一个过程，我们尝试为深度学习模型找到最佳参数集。优化器生成新的参数值，并使用某些标准进行评估以确定最佳选项。作为神经网络架构的重要组成部分，优化器有助于确定最佳权重、偏差或其他超参数 [...]

小批量梯度下降是梯度下降算法的一种变体，常用于训练深度学习模型。该算法的理念是将训练数据划分为批次，然后顺序处理。在每次迭代中，我们会一起更新属于特定批次的​​所有训练样本的权重。 [...]

梯度下降算法是训练深度神经网络最流行的技术之一。它在计算机视觉、语音识别和自然语言处理等领域有许多应用。虽然梯度下降的概念已经存在了几十年，但直到最近才将其应用于与深度 [...]

线性回归是一种基于其他变量预测变量值简单而强大的技术。它通常用于模拟两个或多个连续变量之间的关系，例如收入与年龄之间的关系，或体重与身高之间的关系。同样，线性回归可用于预测连续 [...]

线性回归是一种估计两个变量之间关系的统计技术。线性回归的一个简单例子是根据一个人的体重平方根来预测他的身高（这就是 BMI 的依据）。要做到这一点，我们需要找到直线的斜率和截距。 [...]

将数据管道构建成可以轻松链接到深度学习模型的结构是任何基于深度学习的系统的重要方面。PyTorch 提供了完成这项工作所需的一切。虽然在上一教程中我们使用了简单的数据集，但在实际场景中，我们需要处理更大的数据集 [...]

在机器学习和深度学习问题中，数据准备工作非常重要。数据通常很混乱，在使用模型进行训练之前需要进行预处理。如果数据准备不当，模型将无法很好地泛化。一些所需的常见步骤 [...]