B站视频（78）：https://www.bilibili.com/video/av49008640/?p=7

1 数据集

2 函数映射

28x28像素图，每个元素：0-1 ，

通过flat操作， 转化为1维向量 ，

在前面加一个1（变成二维），这个原因后面再说

整体过程

 

上节（三）：

讲了线性函数，

但是一个是不够的，需要用到三个

[1,784]  [d1,784]T+ [d1] => [1,d1]+[d1] => [1,d1]

ps：这里面是数字指的是维度

eg:

1 第一个线性函数

2 第二个线性函数

3 第三个线性函数

3 计算LOSS

1第一种编码标签方式

直接用数字，但是有大小关系

 

2 one hot

对应位置写标签，不存在大小关系

关于欧氏距离

相减，计算平方和

4 in a nutshell 概括

嵌套

找到最优解

 

5 非线性因素  **函数

上述线性模型太简单，

人脑是非线性理解所以更聪明，

引入sigmoid增加非线性

sigmoid函数

正负无穷限制到0-1

相对sigmoid更简洁函数ReLU  **函数

每次先行计算后加入非线性因素ReLU

整体表达中加入**函数

6 梯度下降法

越小越好

我们要求，三组非线性模型的参数

7 推理过程

新的X

预测= W3  {  W2  [  W1X  +  b1  ]  +  b2  }  +  b3   ps:省略了**

 

每个标签的概率

argmax表示最大值
对应的索引号