【动手学深度学习】代码

DeeGLMath

已于 2023-06-14 23:54:30 修改

阅读量2.2k

点赞数 8

CC 4.0 BY-SA版权

分类专栏：深度学习文章标签：深度学习人工智能

于 2021-10-30 20:27:31 首次发布

22 篇文章

订阅专栏

该博客系列涵盖了从线性回归到softmax回归，再到多层感知机的深度学习基础知识。包括数据操作、模型选择、欠拟合与过拟合的探讨，以及权重衰减和丢弃法等优化技术。同时，还涉及了房价预测问题的解决，并提供了多个动手实践的代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

内容：

文件名	内容
.ipynb_checkpoints	jupyter lab检查点
_pycache_	python根目录
DataOperation.ipynb	数据操作
LinearRegression.ipynb	线性回归
ImageCfDataSet.ipynb	图像分类数据集
softmaxRegression.ipynb	softmax回归基础知识
softmaxRegression_diy.ipynb	softmax回归手写实现
softmaxRegression_gluon.ipynb	softmax回归简洁实现
multiLayerPerceptron.ipynb	多层感知机基础知识
multiLayerPerceptron_diy.ipynb	多层感知机手写实现
multiLayerPerceptron_gluon.ipynb	多层感知机简洁实现
utils.py	含有很多预定义好的函数，可以直接调用
modelSelect_under-fitting_over-fitting.ipynb	模型选择、欠拟合与过拟合
weightAttenuation.ipynb	权重衰减
invertedDropout.ipynb	丢弃法
forbackPropagaComputeGraphs.ipynb	正向传播、反向传播和计算图
kaggleHousepricePrediction.ipynb	kaggle：房价预测
kaggle_house_pred_test.csv	kaggle房价预测测试集
kaggle_house_pred_train.csv	kaggle房价预测训练测试集
submission.csv	房价预测结果文件