这几天看了好多视频和各种文章，终于能运行通我这个文件了，把内容步骤总结下。如果有错误的地方，请大家指正。

这几天看了好多视频和各种文章，终于能运行通我这个文件了，把内容步骤总结下。如果有错误的地方，请大家指正。

5.不用算完全部数据更新一次loss，太慢了。一个批次计算一次loss，更新一次模型，在再练很多epoch。SGD随机梯度下降，从所有数据里随机取一批进行一次梯度下降。3.技术要点：数据处理，独热编码，正则化，归一化、相关系数，PCA分析、全连接、梯度下降和学习率。超参：不可改的、人为设定的参数。model: 定义自己的模型，即算w和b。1.最麻烦的是数据处理，其他内容有模板套用。data: 一般

在深度神经网络中，随着网络层数的增加，每一层输入的分布会发生变化，这会导致训练过程变得困难，收敛速度变慢，甚至可能出现梯度消失或梯度爆炸等问题。要掌握：半监督学习的原理、数据增强的方法、模型结构的设计、损失函数的选择、训练过程中的细节（如学习率调整、正则化）、如何评估模型性能、以及代码中具体实现的细节（如如何处理无标签数据）S是步长，步长为1，正好符合原来公式。relu比sigmoid更好的防止梯

【代码】--深度学习--

【代码】--深度学习--

这几天看了好多视频和各种文章，终于能运行通我这个文件了，把内容步骤总结下。如果有错误的地方，请大家指正。

在深度神经网络中，随着网络层数的增加，每一层输入的分布会发生变化，这会导致训练过程变得困难，收敛速度变慢，甚至可能出现梯度消失或梯度爆炸等问题。要掌握：半监督学习的原理、数据增强的方法、模型结构的设计、损失函数的选择、训练过程中的细节（如学习率调整、正则化）、如何评估模型性能、以及代码中具体实现的细节（如如何处理无标签数据）S是步长，步长为1，正好符合原来公式。relu比sigmoid更好的防止梯