百度飞桨PaddlePaddle学习

使用python语言和numpy库来构建神经网络模型

  波士顿房价预测是一个经典的机器学习任务，类似于程序员世界的“Hello World”。在百度飞桨课程的指导下，我学习了使用python语言和numpy库来构建房价预测模型。构建神经网络的基本步骤如下图：

数据处理

数据处理包含五个部分：数据导入、数据形状变换、数据集划分、数据归一化处理和封装load data函数。数据预处理后，才能被模型调用。

模型设计

模型设计是深度学习模型关键要素之一，也称为网络结构设计，相当于模型的假设空间，即实现模型“前向计算”（从输入到输出）的过程。

训练配置

模型设计完成后，需要通过训练配置寻找模型的最优值，即通过损失函数来衡量模型的好坏。训练配置也是深度学习模型关键要素之一。

训练过程

梯度下降法

计算梯度

使用Numpy库的广播功能：

1. 一方面可以扩展参数的维度，代替for循环来计算1个样本对从w0 到w12 的所有参数的梯度。
2. 另一方面可以扩展样本的维度，代替for循环来计算样本0到样本403对参数的梯度。

写入Network

更新梯度

在上述代码中，每次更新参数使用的语句： net.w[5] = net.w[5] - eta * gradient_w5
相减：参数需要向梯度的反方向移动。
eta：控制每次参数值沿着梯度反方向变动的大小，即每次移动的步长，又称为学习率。

代码封装

将上面的循环计算过程封装在train和update函数中：

通过这几节课的学习，我成功的将以前学到的理论知识应用于具体编程任务中。paddlepaddle的课程注重实际应用，对我的帮助很大。