枕上从妨一夜睡,灯前读尽十年诗。这篇文章主要讲述动手深度学习3月27日相关的知识,希望能为你提供帮助。
如果想看jupyter note效果的请点击??github地址??
线性回归从零开始实现
%matplotlib inline
import random
import torch
from d2l import torch as
生成数据集
为了简单起见,我们将根据带有噪声的线性模型构造一个人造数据集。
我们的任务是使用这个有限样本的数据集来恢复这个模型的参数。
我们将使用低维数据,这样可以很容易地将其可视化。
在下面的代码中,我们生成一个包含1000个样本的数据集,每个样本包含从标准正态分布中采样的2个特征。我们的合成数据集是一个矩阵
我们使用线性模型参数
【动手深度学习3月27日】
你可以将
为了简化问题,我们将标准差设为0.01。下面的代码生成合成数据集。
def synthetic_data(w,b,num_examples):
"""生成 y= Xw + b + 噪声"""
X = torch.normal(0,1,(num_examples,推荐阅读
- 动手深度学习3月21日
- 李航统计学习方法--8. 提升方法(详细推导)
- HashMap 实现原理与源码分析
- Spring Boot核心原理实现及核心注解类
- 让 Bug 无处藏身,Java 线上问题排查思路常用工具
- 难以想象SpringBoot中的条件注解底层居然是这样实现的
- SpringBoot 一个依赖搞定 session 共享,没有比这更简单的方案了!
- 玩转Java8的 Stream 之Collectors收集器
- 3D视觉|【论文精读】基于骨架行为识别—STGCN