【深度学习详解】Task2 分段线性模型-引入深度学习 Datawhale X 李宏毅苹果书 AI夏令营

本文主要是介绍【深度学习详解】Task2 分段线性模型-引入深度学习 Datawhale X 李宏毅苹果书 AI夏令营,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言

《苹果书》第一章的内容包括
机器学习基础 -> 线性模型 -> 分段线性模型 -> 引入深度学习

这一篇章我们继续后续内容 ~
其中涉及到“激活函数”的作用理解:
除了 开源项目 - 跟李宏毅学深度学习(入门) 之外,
还有 @3Blue1Brown 的神经网络 和 @StatQuest 的深度学习 视频内容辅助。

🍎 🍎

系列文章导航

【深度学习详解】Task1 机器学习基础-线性模型 Datawhale X 李宏毅苹果书 AI夏令营
【深度学习详解】Task2 分段线性模型-引入深度学习 Datawhale X 李宏毅苹果书 AI夏令营
【深度学习详解】Task3 实践方法论-分类任务实践 Datawhale X 李宏毅苹果书 AI夏令营

本篇目录导航

  • 前言
      • 系列文章导航
  • 分段线性模型 - 机器学习的三个步骤
    • Step 1:写出目标函数
      • 激活函数
      • 模型计算过程
      • 引入“深度学习”概念
    • Step 2:定义 loss 损失函数
    • Step 3:通过优化器调整超参数 更新参数
      • 参数
      • 超参数
      • 常见的优化器
  • Read more

分段线性模型 - 机器学习的三个步骤

Step 1:写出目标函数

激活函数

鼠标右键 -> 在新标签页中打开图像
在这里插入图片描述

模型计算过程

鼠标右键 -> 在新标签页中打开图像
在这里插入图片描述

选用 Sigmoid 激活函数 逼近 Hard Sigmoid

在这里插入图片描述

只是考虑一个训练数据

  • i "分段线性模型"的段数 <=> “Sigmoid 函数”的个数

xxx

同时考虑多个训练数据

  • (得到更有灵活性 flexibility 的函数)
    i "分段线性模型"的线段数目 <=> “Sigmoid 函数”的个数
    j "分段线性模型"的训练数据个数

xxx

  • r 代表:“分段线性模型”小括号里面的式子

xxx

  • α 代表:r 的 Sigmoid 函数

xxx

  • y 代表:分段线性模型

在这里插入图片描述

选用 ReLU 激活函数 逼近 Hard Sigmoid

只是考虑一个训练数据

  • 两个 变形的ReLU 合成 一个 Hard Sigmoid

tips:
这里的ReLU函数都不是“标准的”ReLU函数,
因为它们都是变形过的,即
① 通过对自变量x加减b:
实现函数左右平移,
② 通过对ReLU函数乘上c:
改变斜线陡峭程度
还有可能将斜线正负翻转 。
在这里插入图片描述
我们可代入具体值具体例子理解:
上面的变形Relu斜线延申y值分别是
11、12、13……
下面的变形Relu斜线对应y值分别是
-1、-2、-3……
那么用这两个Relu斜线部分合成就是
Hard Sigmoid 函数第三段(平的)
即:11-1 =12-2 =13-3 =……=10

可以观看这个视频可视化理解
@StatQuest 深度学习:【官方双语】一个例子彻底理解ReLU激活函数
该视频的例子:两个变形的ReLU
-> 分段线性模型
《苹果书》:两个变形的ReLU
-> Hard Sigmoid
-> 分段线性模型

同时考虑多个训练数据

  • (得到更有灵活性 flexibility 的函数)
    2i "分段线性模型"的线段数目 <=> “ReLU 函数”的个数*2
    j "分段线性模型"的训练数据个数

xxx

嵌套多层 ReLU 激活函数 逼近 Hard Sigmoid

只是考虑一个训练数据

同时考虑多个训练数据

  • (得到更有灵活性 flexibility 的函数)
    2i "分段线性模型"的线段数目 <=> “ReLU 函数”的个数*2
    j "分段线性模型"的训练数据个数

在这里插入图片描述

引入“深度学习”概念

引入“深度学习”概念

(旧说法)

  • Neuron 神经元
    Neural Network 神经网络

(新说法)

  • hidden layer 隐藏层
    Deep Learning 深度学习

在这里插入图片描述

Step 2:定义 loss 损失函数

鼠标右键 -> 在新标签页中打开图像
在这里插入图片描述

Step 3:通过优化器调整超参数 更新参数

参数

鼠标右键 -> 在新标签页中打开图像
在这里插入图片描述

参数

所有未知参数“拼”成一个向量 θ

  • σ 激活函数
    w weight 权重参数
    b bias 偏置参数(修正)
    c 常数参数
    b 常数参数

在这里插入图片描述

超参数

鼠标右键 -> 在新标签页中打开图像
在这里插入图片描述

常见的优化器

鼠标右键 -> 在新标签页中打开图像
在这里插入图片描述

梯度下降的步骤

定义代价函数

  • 代价函数——误差表面(error surface):
    尝试不同的权重参数,计算它的损失 L

在这里插入图片描述

选取初始点

  • 首先在代价函数上随机选取一个初始点。

更新 参数 θ
(以权重参数 w 为例)

  • 步伐大小
    接下来计算在这个点上,权重参数 w 对损失 L 的微分
    计算梯度,即代价函数的导数、微分、陡峭程度)。
    调整的步伐大小是 学习率 η 乘上微分的结果。

  • 步伐方向
    计算在这一个点上的代价函数的切线斜率
    如果斜率大于0,则将w调小;反之,则将w调大。

  • 更新 参数 θ

上角标:迭代更新的次数
下角标:未知参数的序数在这里插入图片描述

  • 一个回合(epoch)内
    把 N 笔数据(即需要迭代更新的总次数)
    随机分成一个一个的批次(batch)

相当于分担了需要迭代更新的总次数:
1个epoch的更新次数 = N / B
N 需要迭代更新的总次数
B 批次的大小在这里插入图片描述

反复迭代计算

  • 输入更新后的参数 θ ,
    再次计算微分,再次更新参数,
    反复迭代更新下去找到代价函数最低点为止。
    (或者是直到不想做为止)

Read more

  • 李宏毅深度学习教程 LeeDL-Tutorial(苹果书)
    https://github.com/datawhalechina/leedl-tutorial
    李宏毅《机器学习/深度学习》2021课程(视频教程 24 h 46 min)
    https://www.bilibili.com/video/BV1JA411c7VT/

  • @3Blue1Brown Topics: Neural Networks
    https://www.3blue1brown.com/topics/neural-networks

  • @StatQuest 深度学习
    【官方双语】一个例子彻底理解ReLU激活函数
    https://www.bilibili.com/video/BV15x4y1U7T3/

这篇关于【深度学习详解】Task2 分段线性模型-引入深度学习 Datawhale X 李宏毅苹果书 AI夏令营的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1139873

相关文章

Java实现优雅日期处理的方案详解

《Java实现优雅日期处理的方案详解》在我们的日常工作中,需要经常处理各种格式,各种类似的的日期或者时间,下面我们就来看看如何使用java处理这样的日期问题吧,感兴趣的小伙伴可以跟随小编一起学习一下... 目录前言一、日期的坑1.1 日期格式化陷阱1.2 时区转换二、优雅方案的进阶之路2.1 线程安全重构2

Java中的JSONObject详解

《Java中的JSONObject详解》:本文主要介绍Java中的JSONObject详解,需要的朋友可以参考下... Java中的jsONObject详解一、引言在Java开发中,处理JSON数据是一种常见的需求。JSONObject是处理JSON对象的一个非常有用的类,它提供了一系列的API来操作J

Python中__init__方法使用的深度解析

《Python中__init__方法使用的深度解析》在Python的面向对象编程(OOP)体系中,__init__方法如同建造房屋时的奠基仪式——它定义了对象诞生时的初始状态,下面我们就来深入了解下_... 目录一、__init__的基因图谱二、初始化过程的魔法时刻继承链中的初始化顺序self参数的奥秘默认

HTML5中的Microdata与历史记录管理详解

《HTML5中的Microdata与历史记录管理详解》Microdata作为HTML5新增的一个特性,它允许开发者在HTML文档中添加更多的语义信息,以便于搜索引擎和浏览器更好地理解页面内容,本文将探... 目录html5中的Mijscrodata与历史记录管理背景简介html5中的Microdata使用M

html5的响应式布局的方法示例详解

《html5的响应式布局的方法示例详解》:本文主要介绍了HTML5中使用媒体查询和Flexbox进行响应式布局的方法,简要介绍了CSSGrid布局的基础知识和如何实现自动换行的网格布局,详细内容请阅读本文,希望能对你有所帮助... 一 使用媒体查询响应式布局        使用的参数@media这是常用的

HTML5表格语法格式详解

《HTML5表格语法格式详解》在HTML语法中,表格主要通过table、tr和td3个标签构成,本文通过实例代码讲解HTML5表格语法格式,感兴趣的朋友一起看看吧... 目录一、表格1.表格语法格式2.表格属性 3.例子二、不规则表格1.跨行2.跨列3.例子一、表格在html语法中,表格主要通过< tab

Linux之计划任务和调度命令at/cron详解

《Linux之计划任务和调度命令at/cron详解》:本文主要介绍Linux之计划任务和调度命令at/cron的使用,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux计划任务和调度命令at/cron一、计划任务二、命令{at}介绍三、命令语法及功能 :at

Java使用SLF4J记录不同级别日志的示例详解

《Java使用SLF4J记录不同级别日志的示例详解》SLF4J是一个简单的日志门面,它允许在运行时选择不同的日志实现,这篇文章主要为大家详细介绍了如何使用SLF4J记录不同级别日志,感兴趣的可以了解下... 目录一、SLF4J简介二、添加依赖三、配置Logback四、记录不同级别的日志五、总结一、SLF4J

Java使用ANTLR4对Lua脚本语法校验详解

《Java使用ANTLR4对Lua脚本语法校验详解》ANTLR是一个强大的解析器生成器,用于读取、处理、执行或翻译结构化文本或二进制文件,下面就跟随小编一起看看Java如何使用ANTLR4对Lua脚本... 目录什么是ANTLR?第一个例子ANTLR4 的工作流程Lua脚本语法校验准备一个Lua Gramm

一文详解如何在Python中从字符串中提取部分内容

《一文详解如何在Python中从字符串中提取部分内容》:本文主要介绍如何在Python中从字符串中提取部分内容的相关资料,包括使用正则表达式、Pyparsing库、AST(抽象语法树)、字符串操作... 目录前言解决方案方法一:使用正则表达式方法二:使用 Pyparsing方法三:使用 AST方法四:使用字