泛化能力：模型对未知数据的预测能力泛化误差：模型是f^\hat{f}f^​，该模型对于未知数据预测的误差即为泛化误差：Rexp⁡(f^)=EP[L(Y,f^(X))]=∫X×YL(y,f^(x))P(x,y)dx dy\begin{aligned}R_{\exp }(\hat{f}) &=E_{P}[L(Y, \hat{f}(X))] \\&=\int_{\mathcal

回顾logistics回归的公式，如下所示：考虑单个样本的情况：假设一个样本只有两个特征x1，x2；那么对应的权重参数只有两个参数w1，w2；还有一个参数b这里怎么进行通俗易懂的理解：也就是一张图片，只由x1与x2两个数值表示，那么训练时用到的参数维度要与图片的维度相匹配，所以权重参数也为w1，w2转化成计算图的形式，如下所示：反向传播计算w1，w2以及b的梯度，如下所示：利用梯度下降法，迭代公式

目录一、N卡驱动的安装二、CUDA安装一、N卡驱动的安装1、去NVIDIA官网找到对应自己显卡驱动的文件example：GeForce GTX 1060 6G2、根据pytorch对应版本选择显卡驱动版本，一般为向下兼容，下载run文件，如NVIDIA-Linux-x86_64-460.67.run3、禁用自带的驱动打开配置文件：$ sudo gedit /etc/modprobe.d/black

ddd