# PreparatoryKnowledge

**Repository Path**: anjiang2020_admin/preparatory-knowledge

## Basic Information

- **Project Name**: PreparatoryKnowledge
- **Description**: 预备知识快速补充
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 2
- **Created**: 2020-12-25
- **Last Updated**: 2021-07-23

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# PreparatoryKnowledge

#### 介绍
预备知识快速补充

#### pipeline:
0. 模型是什么
1. 从模型的输入讲起：图像在计算机中的表示方法
2. 从模型的输入与输出开始认识模型
3. 训练模型时我们在计算什么
4. 手动设计一个图像分类模型
5. 模型是什么

#### 选做作业：
1. 用梯度下降法求y=x^2的最小值。看看你做后得到的y的最小能到多少？可以再想一想，如何让y刚好等于零？
2. 用pytorch中的autograde功能，求loss=(5x1+3x2-1)^2+(-3x1-4x2+1)^2的最小值。
##### 本题解法建议：
      这个loss函数实际上对应的模型为：y = ax1+bx2
      当 a =5 ，b=3时，y = 1
      当 a - -3, b =-4时，y=-1

#### 项目文件列表：
    1. gradient_discent.py : 梯度下降法演示程序
    2. gradient_discent_autograd.py :利用pytorch的autograd功能实现梯度下降法
    3. cifar10_tutorial.ipynb : 利用pytorch 的 backword函数实现autograd功能，实现对标准数据集的分类器的训练
    4. neural_networks_tutorial.ipynb :利用pytorch 搭建一个卷积神经网络的细节解读