Notebook

摘要： 实验目标： 实现sigmoid的交叉熵损失函数(不使用tf内置的loss 函数) # 填空一，实现sigmoid的交叉熵损失函数(不使用内置的 loss 函数) # loss_fn = nn.BCELoss() # pytorch交叉熵损失函数 def loss_fn(label, pred): # 阅读全文

摘要： Logistic回归以及softmax回归 问题描述 完成 logistic_regression-exercise.ipnb中的填空 填空一：实现sigmoid的交叉熵损失函数(不使用tf内置的loss 函数) 完成 softmax_regression-exercise.ipnb中的填空 填空一 阅读全文

摘要： # 定义模型 class LR(nn.Module): def __init__(self): super().__init__() self.lr = nn.Linear(ndim, 1) def forward(self, x): out = self.lr(x) return out mode 阅读全文