Deep Learning Note: 1-2 计算图
1. 计算图 神经网络的训练过程主要包括用于计算网络输出的前向传播(Forward Propagation),和用于计算各参数偏导数的反向传播(Forward Propagation)。通过计算图可以更好地理解这个计算过程。 先看一个简单的例子,对于如下函数: \begin{equation} J(a, b, c) = 3(a + bc) \tag{1} \end{equation} …
Read more
learn, build, evaluate
1. 计算图 神经网络的训练过程主要包括用于计算网络输出的前向传播(Forward Propagation),和用于计算各参数偏导数的反向传播(Forward Propagation)。通过计算图可以更好地理解这个计算过程。 先看一个简单的例子,对于如下函数: \begin{equation} J(a, b, c) = 3(a + bc) \tag{1} \end{equation} …
Read more
Deep Learning Note 系列是我学习 deepLearning.ai 所开设深度学习课程的笔记,包含关键概念、模型和部分推导,方便随时查阅。假设读者已初步了解机器学习基础知识,并具有相应的数学基础。 0. 符号说明 本文及后续内容使用符号定义如下: 使用 $(x, y)$ 表示单个样本,其中 $x \in \mathbb{R}^{n_x}$,即一个 $n_x$ 维的特征向…
Read more
1. 为枚举常量添加额外信息 在 Kotlin 中,可以通过枚举类来实现类型安全的枚举,如: [code lang=”kotlin”]enum class Size { SMALL, MEDIUM, LARGE; }[/code] 每一个枚举常量都是一个对象,是枚举类的一个实例,可以为枚举类添加属性并进行初始化,这样就可以得到带有属性的枚举常量: [code lan…
Read more