目录
一、深度学习初识
1. 深度学习框架简介
2. PyTorch功能演示
二、回归问题
1. 简单回归问题
一、深度学习初识
1. 深度学习框架简介
【PyTorch】研究人员使用较多
【TensorFlow】工程师使用较多
2. PyTorch功能演示
【pytorch能干什么？】
>>>GPU加速
>>>自动求导
>>>常用网络层
二、回归问题
1. 简单回归问题
【梯度下降算法】
*lr
是方程在x处的导数值，其值小于0说明函数图像在递减，那么想要寻找最小值的话就要增大x的值再去求导，直到某点处的导数值趋于0。因此可以通过这样不断地迭代来求取最小值，这种方法就是梯度下降法.
缩放倍数[lr : learning rate]：可以认为是学习速度
【高斯噪声】在回归学习时，理论认为数据都是有噪声的，当噪声服从高斯分布时被称为高斯噪声
【linear regression】线性回归
【logistic regression】每个事件发生的概率处于0-1之间
【classification】每个事件发生的概率处于0-1之间，而且所有事件发生的概率总和为1
