AI Studio 飞桨 零基础入门深度学习笔记6.5-手写数字识别之损失函数概述分类任务的损失函数Softmax函数交叉熵交叉熵的代码实现概述上一节我们尝试通过更复杂的模型（经典的全连接神经网络和卷积神经网络），提升手写数字识别模型训练的准确性。本节我们继续将“横纵式”教学法从横向展开，如 图1 所示，探讨损失函数的优化对模型训练效果的影响。图1：“横纵式”教学法 — 损失函数优化损失函数是模型

AI Studio 飞桨 零基础入门深度学习笔记6.7-手写数字识别之资源配置概述前提条件单GPU训练分布式训练模型并行数据并行PRC通信方式NCCL2通信方式（Collective）概述从前几节的训练看，无论是房价预测任务还是MNIST手写字数字识别任务，训练好一个模型不会超过十分钟，主要原因是我们所使用的神经网络比较简单。但实际应用时，常会遇到更加复杂的机器学习或深度学习任务，需要运算速度更高

AI Studio 飞桨 零基础入门深度学习笔记6.2-通过极简方案构建手写数字识别模型通过极简方案构建手写数字识别模型前提条件数据处理飞桨API的使用方法模型设计训练配置训练过程模型测试作业 2-1：通过极简方案构建手写数字识别模型上一节介绍了创新性的“横纵式”教学法，有助于深度学习初学者快速掌握深度学习理论知识，并在过程中让读者获得真实建模的实战体验。在“横纵式”教学法中，纵向概要介绍模型的基

AI Studio 飞桨 零基础入门深度学习-笔记欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导

AI Studio 飞桨 零基础入门深度学习笔记6.2-通过极简方案构建手写数字识别模型通过极简方案构建手写数字识别模型前提条件数据处理飞桨API的使用方法模型设计训练配置训练过程模型测试作业 2-1：通过极简方案构建手写数字识别模型上一节介绍了创新性的“横纵式”教学法，有助于深度学习初学者快速掌握深度学习理论知识，并在过程中让读者获得真实建模的实战体验。在“横纵式”教学法中，纵向概要介绍模型的基

AI Studio 飞桨 零基础入门深度学习笔记6.6-手写数字识别之优化算法概述前提条件设置学习率学习率的主流优化算法概述上一节我们明确了分类任务的损失函数（优化目标）的相关概念和实现方法，本节我们依旧横向展开"横纵式"教学法，如 图1 所示，本节主要探讨在手写数字识别任务中，使得损失达到最小的参数取值的实现方法。图1：“横纵式”教学法 — 优化算法前提条件在优化算法之前，需要进行数据处理、设计

AI Studio 飞桨 零基础入门深度学习笔记5-使用飞桨重写房价预测模型飞桨深度学习平台设计之“道”使用飞桨构建波士顿房价预测模型数据处理模型设计训练配置训练过程保存并测试模型保存模型测试模型飞桨深度学习平台设计之“道”当读者习惯使用飞桨框架后会发现程序呈现出“八股文”的形态，即不同的程序员、使用不同模型、解决不同任务的时候，他们编写的建模程序是极其相似的。虽然这些设计在某些“极客”的眼里缺乏

AI Studio 飞桨 零基础入门深度学习-笔记欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导

AI Studio 飞桨 零基础入门深度学习笔记3-使用飞桨重写房价预测模型飞桨深度学习平台设计之“道”使用飞桨构建波士顿房价预测模型数据处理模型设计训练配置训练过程保存并测试模型保存模型测试模型飞桨深度学习平台设计之“道”当读者习惯使用飞桨框架后会发现程序呈现出“八股文”的形态，即不同的程序员、使用不同模型、解决不同任务的时候，他们编写的建模程序是极其相似的。虽然这些设计在某些“极客”的眼里缺乏

AI Studio 飞桨 零基础入门深度学习笔记2-基于Python编写完成房价预测任务的神经网络模型波士顿房价预测任务线性回归模型线性回归模型的神经网络结构构建波士顿房价预测任务的神经网络模型1 数据处理1.1 读入数据1.2 数据形状变换1.3 数据集划分1.4 数据归一化处理1.5 封装成load data函数2 模型设计3 训练配置4 训练过程4.1 梯度下降法4.2 计算梯度4.3 使用