与世隔绝
素心

SUXIN/我来互联网是当皇帝的/你想要的这里都有
创作活跃度
过去一年 · 46 条 · 21 天活跃
最新瞬间
全部瞬间最新文章
查看全部
手写一个2层神经网络,反向传播
不用框架,纯Python手写一个2输入、3隐藏神经元、1输出的微型神经网络,带你一步步理解前向传播和反向传播的完整过程,把13个参数如何自动调整讲得明明白白。
#神经网络#反向传播

权重和偏置到底怎么算?
用身高体重预测分数的例子,一步步数清神经网络里权重和偏置的数量,让你再也不迷糊。
#神经网络#参数

预测与训练的核心拆解
用最直白的方式拆解逻辑回归中的 predict 和训练循环,抓住“先猜、看差多少、再调权重”的核心流程,让你彻底理解模型如何从数据中学习。
#逻辑回归#机器学习入门

从硬判断到概率输出:一步步升级你的第一个神经网络
为什么模型不该直接输出0或1?本文用直观例子带你理解sigmoid函数,将原始分数转化为概率,让模型判断更柔和、更接近真实神经网络。
#神经网络#sigmoid
热度文章
01技术教程49602人工智能22803人工智能17804人工智能12905人工智能12606人工智能123
Hysteria 2 一键搭建教程:从 VPS 到客户端配置全流程
手把手教你用一键脚本快速搭建 Hysteria 2 代理,涵盖 VPS 系统更新、服务管理命令、Windows/iOS/安卓客户端配置及 sing-box 配置文件详解,轻松实现高速上网。
手写一个2层神经网络,反向传播
不用框架,纯Python手写一个2输入、3隐藏神经元、1输出的微型神经网络,带你一步步理解前向传播和反向传播的完整过程,把13个参数如何自动调整讲得明明白白。
权重和偏置到底怎么算?
用身高体重预测分数的例子,一步步数清神经网络里权重和偏置的数量,让你再也不迷糊。
预测与训练的核心拆解
用最直白的方式拆解逻辑回归中的 predict 和训练循环,抓住“先猜、看差多少、再调权重”的核心流程,让你彻底理解模型如何从数据中学习。
从硬判断到概率输出:一步步升级你的第一个神经网络
为什么模型不该直接输出0或1?本文用直观例子带你理解sigmoid函数,将原始分数转化为概率,让模型判断更柔和、更接近真实神经网络。
用1个神经元搞懂AI怎么学习
不用矩阵,不讲隐藏层,我们写一个只有1个神经元的小模型,让它学会根据身高体重判断大体型。通过一个简单例子,带你理解AI训练的本质:猜错就改参数。






