这篇文章会简单介绍一下反向传播的相关内容。并说明一下梯度消失的原因。给出如何在Pytorch中初始化网络的系数，并打印出网络的梯度和系数的值。给出一个反向传播的例子。
05月06日评论
深度学习
Backpropagation(反向传播)方法介绍
05月06日评论
深度学习
05月06日评论
机器学习
机器学习文章总结
这一部分会对深度学习，机器学习的文章进行归类，方便查找与学习。
05月01日评论
机器学习
分类问题–Logistic Regression方法介绍
这一篇文章主要介绍分类问题的解决。主要介绍逻辑回归，从逻辑回归讲到他的损失函数的定义的来源，也就是Cross Entropy的来源。
04月30日评论
机器学习
数据关键特征的提取
这一篇文章主要介绍了如何从数据集中提取重要的原始特征的方法，这些特征是可能能对分类器的分类产生很好的效果。
04月30日1
深度学习
Batch Normalization技术介绍
这一部分介绍一下Batch Normalization，这个可以帮助我们在模型train不起来的时候，帮助模型的训练。十分有用的一个工具。
04月26日评论
深度学习
Dropout技术介绍
本篇介绍关于dropout技术。dropout是在过拟合的时候进行使用的技术，适用与deep learning。
04月26日评论
深度学习
Pytorch模型实例-MNIST dataset
这里给出一个使用动态改变网络结构的例子，来实现在MNIST dataset中的分类实验。这个目的是为了之后可以帮助我们测试dropout，BN等的性能。
04月21日评论
深度学习
Pytorch动态改变网络结构(Dynamically add or delete layers)
这一篇主要介绍在Pytorch中如何动态改变网络的结构，使用这种方式会方便网络的编写，特别是一些比较深的结构。
04月21日评论
机器学习
交叉检验(Cross Validation)简介
这一篇简单介绍一下交叉检验的技术，以及给出一个交叉检验的实例。交叉检验可以进行模型的选择，查看模型是否存在过拟合或是欠拟合的状态。
04月17日评论
机器学习
正则化技术介绍–L1,L2范数
这一篇会简单介绍正则化的技术, 简单介绍一下L1和L2范数的性质, 并记录一下一个实验.
04月16日评论
15