Red Panda

终于从前面的单层网络linear-regression和softmax过渡到多层神经网络了。为了对更加复杂的数据进行学习，多层感知机将多个全连接层叠加，并增加激活函数。激活函数是非线性的，因为如果不加激活函数或者激活函数线性，那么多层神经网

回归和分类机器学习（深度学习）的任务纷繁复杂。最基础的是回归和分类。回归是预测连续值，分类是预测离散类别。 分类问题是多输出，因此，训练标签和模型（网络）的输出应该是多维的。独热编码 （one-hot encoding）是一种表示多分类的方

线性回归一句话表示，就是数据的分布是按照如下的线性表达式： $$y=w_1x_1+w_2x_2+…+w_nx_n+b$$ $w_n$就是网络的权重（参数），b 也是一种权重。 代码实现import random import to

这个系列记录我跟随 B 站上李沐的《动手学深度学习》的视频教程。每五个章节的笔记合成一篇 blog。 安装环境我的学习平台时 win11, powershell, anaconda conda create -n d2l-zh python