10c6f2/p2_2.jpg) 它是一个简单的前馈神经网络，它接受一个输入，然后一层接着一层地传递，最后输出计算的结果。神经网络的典型训练过程如下： 1. 定义包含一些可学习的参数(或者叫权重)神经网络模型； 2. 在数据集上迭代； 3. 通过神经网络处理输入； 4. 计算损失(输出结果和正确值的差值大小); 5. 将梯度反向传播回网络的参数； 6. 更新网络的参数，主要使用如下简单的更新原则：weight 0525, -0.0239, -0.0056, -0.0597, 0.0184, -0.0300]], grad_fn=) 将所有参数的梯度缓存清零，然后进行随机梯度的反向传播： net.zero_grad() out.backward(torch.randn(1, 10)) ## note torch.nn 只支持小批量输入。整个 torch.nn 包都只支持小批量样本，而不支持单个样本。 GPU 上运行、导出、加载等。 - nn.Parameter：一种变量，当把它赋值给一个Module时，被自动地注册为一个参数。 - autograd.Function：实现一个自动求导操作的前向和反向定义，每个变量操作至少创建一个函数点，每一个Tensor 的操作都会创建一个接到创建Tensor 和编码其历史的函数的Function 节点。 ## 重点如下： · 定义一个网络 - 处理输入，调用

会用它。 Tanh激活函数：tanh是非常优秀的，几乎适合所有场合。 ReLu激活函数：最常用的默认函数，，如果不确定用哪个激活函数，就使用ReLu或者Leaky ReLu。 ### 4. 反向传播算法 $$ \begin{aligned}\left.\begin{array}{l}x\\w\\b\end{array}\right\}\Longrightarrow z=w^{T}x+b\L y)=(-y\log\alpha-(1-y)\log(1-a))^{\prime}=-\frac{y}{a}+\frac{1-y}{1-a}\end{array}\right.\end{aligned} $$ ### 4. 反向传播算法 因为 $ \frac{dL(a,y)}{dz}=\frac{dL}{dz}=(\frac{dL}{da})\cdot(\frac{da}{dz}) $ 并且 $ \frac{da}{dz}=a\cdot(1-a) ed} $$  ### 4. 反向传播算法  $$ \begin{al

## 如何向Go官方提交代码 蒙卓  hi@mzh.io ## 自我介绍 后端工程师，主要写Go • 业余搞Go官方库开发 ● 主要喜欢折腾ARM/MIPS 性能优化 ● 第一个中国Go 官方MIPS64 builder 维护者

## PyTorch ## MLP反向传播 主讲人：龙良曲 ## Chain rule ## $$ w_{jk}^{1} \xrightarrow{\sum} O_{k}^{1} \xrightarrow{\sum} O_{k}^{2} \xrightarrow{\sum} E \xrightarrow{\sum} t_{k} $$ $$ \frac{\partial E}{\partial

## HIPPY 前终端统一方案 Hippy-Vue 设计和实现 ## 背景介绍 传统移动端开发模式，无法满足业务精细化运营需求，急需寻找一种高性能、跨平台、动态发布的开发解决方案。 Web Native 前终端一体化 开发效率高 开发效率低 开发效率高 支持多平台 无法跨平台 支持双平台 可动态发布 发布复杂 可动态发布 体验差 体验好 体验好 能力弱 能力强 [Image](/uploads/documents/e/3/8/7/e38755a0f1cdd83bbadd0dad3e36d981/p3_6.jpg) |城市|高楼群围墙|高楼群围墙中空区以山墙最底部，一般围墙应朝同一方向设置围墙|| |---|---|---|---| |level|挡风墙|挡风墙上横跨挡风墙以挡风墙上侧向|| |方向及标高|高架|高架|高架| |标准要求|构建记录|构建记录|| |标高要求|高程值|高程值|| x5 内核团队提供支持 ## 项目架构 Hippy SDK 采用三层设计，其中： - JavaScript 层：提供业务代码运行时的前端上下文环境； • Native Framework 层：负责前终端通讯与 JavaScript VM，并提供 Native 相关模块； • Portable UI 层：提供基础 UI 组件与布局计算框架，并负责渲染至目标平台； ![Image](/uploa

[Image](/uploads/documents/6/c/d/1/6cd1be2509fa58020b09359e1cd56628/p1_2.jpg) ## 欢迎来到 PyCon 【成都站】，向伟大的 Pythonista们致敬！ PYTHON 30th PyCon China 组委会 _晁倩/Queena ## 与 PyCon China 结缘 2016 志愿者参与 2017 会务执行 社区合作伙伴 PYTHON 30th  ## 向伟大的 Pythonista们致敬！ PyCon China 2020见！ 微信公众号：PyChina ![Image](/uploads/documents/6/c/d/1/6cd1be2509