回归:一个或多个自变量与因变量之间的关系之间建模的方法,经常用来表示输入和输出之间的关系
分类:预测数据属于一组类别的哪一个
一个简单的线性模型
- 线性回归是对n维输入的加权,外加偏差
- 使用平方损失来衡量预测值与真实值的差异(乘1/2为了求导方便,并没有太大影行)
- 线性回归有显示解
- 线性回归可以看成单层神经网络
梯度下降
梯度下降是通过不断沿着反梯度方向更新参数求解
学习率lr不能太大也不能太小
太小:计算次数增加,计算昂贵
太大:导致模型难以收敛
小批量随机梯度下降
批量大小batch_size不能太大也不能太小
太小:不适合并行来最大利用计算资源
太大:内存消耗增加,浪费计算
torch.matmul()的用法:
当输入是都是二维时,就是普通的矩阵乘法,和tensor.mm函数用法相同。
当输入有多维时,把多出的一维作为batch提出来,其他部分做矩阵乘法。
参考博客:torch.matmul()的用法
标签:梯度,回归,用法,PyTorch,太小,线性,输入 来源: https://blog.csdn.net/m0_43425029/article/details/122609311
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。