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
f29cedb2
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
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
f29cedb2
编写于
7月 22, 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
rm mlp, opt inline
上级
8aa010c5
变更
15
隐藏空白更改
内联
并排
Showing
15 changed file
with
1 addition
and
16 deletion
+1
-16
chapter_deep-learning-basics/mlp.md
chapter_deep-learning-basics/mlp.md
+1
-3
chapter_optimization/adadelta-gluon.md
chapter_optimization/adadelta-gluon.md
+0
-1
chapter_optimization/adadelta.md
chapter_optimization/adadelta.md
+0
-1
chapter_optimization/adagrad-gluon.md
chapter_optimization/adagrad-gluon.md
+0
-1
chapter_optimization/adagrad.md
chapter_optimization/adagrad.md
+0
-1
chapter_optimization/adam-gluon.md
chapter_optimization/adam-gluon.md
+0
-1
chapter_optimization/adam.md
chapter_optimization/adam.md
+0
-1
chapter_optimization/gd-sgd-gluon.md
chapter_optimization/gd-sgd-gluon.md
+0
-1
chapter_optimization/gd-sgd.md
chapter_optimization/gd-sgd.md
+0
-1
chapter_optimization/momentum-gluon.md
chapter_optimization/momentum-gluon.md
+0
-1
chapter_optimization/momentum.md
chapter_optimization/momentum.md
+0
-1
chapter_optimization/optimization-intro.md
chapter_optimization/optimization-intro.md
+0
-1
chapter_optimization/rmsprop-gluon.md
chapter_optimization/rmsprop-gluon.md
+0
-1
chapter_optimization/rmsprop.md
chapter_optimization/rmsprop.md
+0
-1
img/mlp.svg
img/mlp.svg
+0
-0
未找到文件。
chapter_deep-learning-basics/mlp.md
浏览文件 @
f29cedb2
...
...
@@ -9,7 +9,7 @@
多层感知机在单层神经网络的基础上引入了一到多个隐藏层(hidden layer)。隐藏层位于输入层和输出层之间。图3.3展示了一个多层感知机的神经网络图。
![
带有隐藏层的多层感知机。它含有一个隐藏层,该层中有5个隐藏单元。
](
../img/mlp
-units
.svg
)
![
带有隐藏层的多层感知机。它含有一个隐藏层,该层中有5个隐藏单元。
](
../img/mlp.svg
)
在图3.3的多层感知机中,输入和输出个数分别为4和3,中间的隐藏层中包含了5个隐藏单元(hidden unit)。由于输入层不涉及计算,图3.3中的多层感知机的层数为2。由图3.3可见,隐藏层中的神经元和输入层中各个输入完全连接,输出层中的神经元和隐藏层中的各个神经元也完全连接。因此,多层感知机中的隐藏层和输出层都是全连接层。
...
...
@@ -43,8 +43,6 @@ $$\text{relu}(x) = \max(x, 0).$$
可以看出,ReLU函数只保留正数元素,并将负数元素清零。为了直观地观察这一非线性变换,我们先定义一个绘图函数
`xyplot`
。
```
{.python .input}
# 将图打印在 Jupyter notebook 的文本之间。
%matplotlib inline
import sys
sys.path.append('..')
import gluonbook as gb
...
...
chapter_optimization/adadelta-gluon.md
浏览文件 @
f29cedb2
...
...
@@ -5,7 +5,6 @@
首先,导入本节中实验所需的包或模块。
```
{.python .input}
%matplotlib inline
import sys
sys.path.append('..')
import gluonbook as gb
...
...
chapter_optimization/adadelta.md
浏览文件 @
f29cedb2
...
...
@@ -46,7 +46,6 @@ def adadelta(params, sqrs, deltas, rho, batch_size):
首先,导入本节中实验所需的包或模块。
```
{.python .input}
%matplotlib inline
import sys
sys.path.append('..')
import gluonbook as gb
...
...
chapter_optimization/adagrad-gluon.md
浏览文件 @
f29cedb2
...
...
@@ -6,7 +6,6 @@
首先,导入本节中实验所需的包或模块。
```
{.python .input}
%matplotlib inline
import sys
sys.path.append('..')
import gluonbook as gb
...
...
chapter_optimization/adagrad.md
浏览文件 @
f29cedb2
...
...
@@ -55,7 +55,6 @@ def adagrad(params, sqrs, lr, batch_size):
首先,导入本节中实验所需的包或模块。
```
{.python .input}
%matplotlib inline
import sys
sys.path.append('..')
import gluonbook as gb
...
...
chapter_optimization/adam-gluon.md
浏览文件 @
f29cedb2
...
...
@@ -5,7 +5,6 @@
首先,导入本节中实验所需的包或模块。
```
{.python .input}
%matplotlib inline
import sys
sys.path.append('..')
import gluonbook as gb
...
...
chapter_optimization/adam.md
浏览文件 @
f29cedb2
...
...
@@ -61,7 +61,6 @@ def adam(params, vs, sqrs, lr, batch_size, t):
首先,导入实验所需的包或模块。
```
{.python .input}
%matplotlib inline
import sys
sys.path.append('..')
import gluonbook as gb
...
...
chapter_optimization/gd-sgd-gluon.md
浏览文件 @
f29cedb2
...
...
@@ -5,7 +5,6 @@
首先,导入本节中实验所需的包或模块。
```
{.python .input}
%matplotlib inline
import sys
sys.path.append('..')
import gluonbook as gb
...
...
chapter_optimization/gd-sgd.md
浏览文件 @
f29cedb2
...
...
@@ -120,7 +120,6 @@ def sgd(params, lr, batch_size):
首先,导入本节中实验所需的包或模块。
```
{.python .input}
%matplotlib inline
import sys
sys.path.append('..')
import gluonbook as gb
...
...
chapter_optimization/momentum-gluon.md
浏览文件 @
f29cedb2
...
...
@@ -5,7 +5,6 @@
首先,导入本节中实验所需的包或模块。
```
{.python .input}
%matplotlib inline
import sys
sys.path.append('..')
import gluonbook as gb
...
...
chapter_optimization/momentum.md
浏览文件 @
f29cedb2
...
...
@@ -89,7 +89,6 @@ def sgd_momentum(params, vs, lr, mom, batch_size):
首先,导入本节中实验所需的包或模块。
```
{.python .input}
%matplotlib inline
import sys
sys.path.append('..')
import gluonbook as gb
...
...
chapter_optimization/optimization-intro.md
浏览文件 @
f29cedb2
...
...
@@ -24,7 +24,6 @@
优化在深度学习中有很多挑战。以下描述了其中的两个挑战:局部最小值和鞍点。为了更好地描述问题,我们先导入本节中实验需要的包或模块。
```
{.python .input n=1}
%matplotlib inline
import sys
sys.path.append('..')
import gluonbook as gb
...
...
chapter_optimization/rmsprop-gluon.md
浏览文件 @
f29cedb2
...
...
@@ -6,7 +6,6 @@
首先,导入本节中实验所需的包或模块。
```
{.python .input}
%matplotlib inline
import sys
sys.path.append('..')
import gluonbook as gb
...
...
chapter_optimization/rmsprop.md
浏览文件 @
f29cedb2
...
...
@@ -44,7 +44,6 @@ def rmsprop(params, sqrs, lr, gamma, batch_size):
首先,导入本节中实验所需的包或模块。
```
{.python .input}
%matplotlib inline
import sys
sys.path.append('..')
import gluonbook as gb
...
...
img/mlp
-units
.svg
→
img/mlp.svg
浏览文件 @
f29cedb2
文件已移动
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