71|0

6853

帖子

11

TA的资源

版主

楼主
 

《深度学习的数学——使用Python语言》5、概率论进阶 [复制链接]

 

上章介绍了概率论的基础概念。第3章为概率论进阶。

作者提到,深度学习和机器学习中有两个常见的关键话题:概率分布与采样,以及贝叶斯定理。其中叶斯定量是概率论中最为重要的概念之一,它改变了概率领域很多研究者的思维范式,并深记得影响了概率论的实际应用。

【概率分布】

概率分布可以理解为生成所需数值的一个函数。数值生成过程中是随机的——我们不知道会出现哪个结果——但是任意数值出现的可能都遵循一般形式。

深度学习中主要用一对概率分布进行采样的地方,就是训练之前对网络参数进行初始化。目前主流的神经网络都用均匀分布或正态分布对参数中的权重项(有时也对偏置项)进行初始化。

文中用NumPy进行随机生成的例子:

>>> n = np.random.randint(0,10,10000)
>>> h = np.bincount(n)
>>> h
array([ 965, 1012, 1050,  974,  996,  987, 1018,  969,  999, 1030])

从上面的结果看,0-9的整组计算分组计算的结果,随机分布计数统计。然后使用如下代码进行概率的计算:

array([0.0965, 0.1012, 0.105 , 0.0974, 0.0996, 0.0987, 0.1018, 0.0969,
       0.0999, 0.103 ])
>>> 

结果表明整数0-9在数组n中出现的概率确实接近0.1或者是十分之一。

点赞 关注
 
 

回复
举报
您需要登录后才可以回帖 登录 | 注册

随便看看
查找数据手册?

EEWorld Datasheet 技术支持

相关文章 更多>>
关闭
站长推荐上一条 1/10 下一条

 
EEWorld订阅号

 
EEWorld服务号

 
汽车开发圈

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 国产芯 安防电子 汽车电子 手机便携 工业控制 家用电子 医疗电子 测试测量 网络通信 物联网

北京市海淀区中关村大街18号B座15层1530室 电话:(010)82350740 邮编:100190

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved
快速回复 返回顶部 返回列表