摘要：
1.LeNet模型 LeNet是一个早期用来识别手写数字的卷积神经网络，这个名字来源于LeNet论文的第一作者Yann LeCun。LeNet展示了通过梯度下降训练卷积神经网络可以达到手写数字识别在当时最先进的成果，这个尊基性的工作第一次将卷积神经网络推上舞台 上图就是LeNet模型，下面将对每层参 阅读全文
摘要：
需求: 从零和使用mxnet实现dropout 数据集： 使用load_digits()手写数字数据集 要求： 使用1个掩藏层n_hidden1 = 36，激活函数为relu，损失函数为softmax交叉熵损失函数 注意： drop函数的实现方法 训练和测试时drop的区别 1.从零实现dropou 阅读全文
摘要：
1.softmax从零实现 (1797, 64) (1797,) (1797, 10) epoch:50,loss: [1.9941667] ,accuracy:0.3550361713967724 epoch:100,loss: [0.37214527] ,accuracy:0.939343350 阅读全文
摘要：
1.线性回归从零实现 (1000,) epoch:1,loss:5.7996 epoch:2,loss:2.1903 epoch:3,loss:0.9078 epoch:4,loss:0.3178 epoch:5,loss:0.0795 epoch:6,loss:0.0204 epoch:7,los 阅读全文