Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
d2l-zh
提交
90cb15a8
D
d2l-zh
项目概览
OpenDocCN
/
d2l-zh
通知
2
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
D
d2l-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
90cb15a8
编写于
7月 03, 2018
作者:
A
Aston Zhang
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
dl basic intro
上级
37932e34
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
1 addition
and
1 deletion
+1
-1
chapter_deep-learning-basics/index.md
chapter_deep-learning-basics/index.md
+1
-1
未找到文件。
chapter_deep-learning-basics/index.md
浏览文件 @
90cb15a8
# 深度学习基础
# 深度学习基础
从本章开始,我们将
一起探索深度学习的奥秘。我们先以线性回归和Softmax回归为例,介绍机器学习的基础知识。接着,我们由多层感知机引入深度学习模型。在观察并了解模型过拟合现象后,我们将描述深度学习中应对过拟合的常用方法:正则化和丢弃法。为了进一步理解深度学习模型训练的本质,我们将详细解释正向传播和反向传播。最后,我们将通过一个深度学习应用案例来实践本章学习的
内容。
从本章开始,我们将
探索深度学习的奥秘。作为机器学习的一类,深度学习通常基于神经网络模型逐级表示越来越抽象的概念或模式。我们先从线性回归和Softmax回归这两种单层神经网络入手,简要介绍机器学习中的基本概念。然后,我们由单层神经网络延伸到多层神经网络,并通过多层感知机引入深度学习模型。在观察和了解了模型的过拟合现象后,我们将介绍深度学习中应对过拟合的常用方法:权重衰减和丢弃法。接着,为了进一步理解深度学习模型训练的本质,我们将详细解释正向传播和反向传播。最后,我们通过一个深度学习应用案例来实践本章
内容。
```
eval_rst
```
eval_rst
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录