- >2.4 relu函数的改进版本详解
- >3.1 softmax函数的推导和onehot向量的关系
- >3.2 softmax的导数推导
- >3.3多分类和多标签
- >4.1主流机器学习框架平台介绍
- >4.2 TensorFlow和keras框架详解
- >4.3如何调用自己的GPU
- >4.3如何调用自己的GPU
- >4.4深度学习实战:用keras搭建自己的神经网络
- >1.1 矩阵和向量的求导法则
- >1.2 矩阵和向量的链式法则
- >1.3 梯度下降法在深层神经网络中的推导和应用
- >1.4 梯度消失和梯度爆炸产生原因分析及解决 方案
- >1.5 鞍点、局部极小、以及解决方案
- >2.1 权重的对称性及其危害
- >2.2 随机初始化权重的方法
- >3.1 传统梯度下降法的缺点
- >3.2 SGD算法
- >3.3 动量法
- >3.4 RMSprop算法


