线性回归tensorflow实战概念准备

比如一个图片分类的任务
使用神经网络来完成
假设有10000张图片用来训练
则这10000张图片就是样本
每张图片的尺寸是32323
则特征就是32323维
标签就是图片对应的分类
模型就是训练完之后得到的神经网络&＃xff08;权重偏置得到训练&＃xff09;

我的潜意识是求垂直距离这是不对的
这是因为昨天学习感知机模型的缘故
感知机模型是二分类&＃xff0c;是分类问题
这里是线性回归
这里的误差就是纵坐标的差
所有根据画好的格子&＃xff0c;纵间隔为1&＃xff0c;横间隔为2
可知左右两者的L1损失相同
右边的L2损失又名均方误差又名MSE较高

紫线近似代替红线
当deta很小时
紫线近似代替红线
当deta很小时

主要理解学习率过大&＃xff0c;不收敛甚至发散
主要理解学习率过大&＃xff0c;不收敛甚至发散
主要理解学习率过大&＃xff0c;不收敛甚至发散