3.15 数值稳定性和模型初始化
发布于 2025-02-14
衰减和爆炸 当神经网络的层数较多时，模型的数值稳定性容易变差。不考虑偏差参数，且设所有隐藏层的激活函数为恒等映射（identity …
3.14 正向传播、反向传播和计算图
发布于 2025-02-11
正向传播 正向传播是指对神经网络沿着从输入层到输出层的顺序，依次计算并存储模型的中间变量（包括输出）。为简单起见，假设输入是一个特 …
3.11 模型选择、欠拟合和过拟合
发布于 2025-02-04
训练误差和泛化误差 训练误差（training error）指模型在训练数据集上表现出的误差，泛化误差（generalizatio …
3.7 softmax回归的简洁实现
发布于 2025-02-03
导入需要的库 获取和读取数据 定义和初始化模型 softmax回归的输出层是一个全连接层，所以用一个线性模块就可以了。 初始化模型 …
3.6 softmax回归的从零开始实现
发布于 2025-02-02
导入本节实现所需的包或模块 获取和读取数据 先获取Fashion-MNIST数据集，并设置批量大小为256。 使用向量表示每个样本 …