2016/4/9 16:24
迅速熟悉并又快又好地实现
1.先实现softmaxCost.m
2.运行梯度检查 （经验：无论实现什么learning algorithm，gradient check应该成为一个习惯）
Bingo! 误差8.4866e-010，低于10e-9
3.实现softmaxPredit.m
Bingo! Accuracy: 92.640%
一次成功，爽！因为比较简单，呵呵~
UFLDL exercise5 Softmax Regression
需积分: 13 86 浏览量
2016-04-11
23:09:49
上传
评论
收藏 11.14MB ZIP 举报
Softmax Regression.zip （60个子文件） 
Softmax Regression(已完成) 
computeNumericalGradient.m 1KB loadMNISTImages.m 811B
log.txt 282B t10k-images-idx3-ubyte t10k-images.idx3-ubyte 7.48MB softmaxPredict.asv 729B softmaxExercise.m 5KB loadMNISTLabels.m 516B softmaxTrain.m 2KB train-labels-idx1-ubyte train-labels.idx1-ubyte 59KB t10k-labels-idx1-ubyte t10k-labels.idx1-ubyte 10KB softmaxCost.m 1KB minFunc lbfgsC.mexmac 9KB lbfgsUpdate.m 614B autoHess.m 901B minFunc_processInputOptions.m 4KB mcholC.mexw64 12KB ArmijoBacktrack.m 3KB conjGrad.m 2KB example_minFunc_LR.m 2KB precondDiag.m 42B lbfgsC.mexw32 7KB autoHv.m 317B autoGrad.m 807B lbfgsC.mexmaci 12KB lbfgsC.c 2KB mcholC.mexw32 8KB precondTriuDiag.m 60B autoTensor.m 870B lbfgsC.mexa64 8KB precondTriu.m 51B lbfgsC.mexw64 10KB callOutput.m 385B WolfeLineSearch.m 11KB rosenbrock.m 1KB lbfgs.m 924B dampedUpdate.m 995B mcholC.mexmaci64 13KB minFunc.m 43KB logistic mylogsumexp.m 227B mexutil.c 1KB LogisticLoss.m 659B repmatC.dll 8KB LogisticHv.m 216B repmatC.mexmac 10KB LogisticDiagPrecond.m 417B repmatC.c 4KB mexutil.h 317B repmatC.mexglx 20KB lbfgsC.mexmaci64 9KB mcholinc.m 564B lbfgsC.mexglx 8KB isLegal.m 107B taylorModel.m 677B example_minFunc.m 2KB polyinterp.m 4KB mchol.m 1KB mcholC.c 4KB softmaxCost.asv 1KB train-images-idx3-ubyte train-images.idx3-ubyte 44.86MB softmaxPredict.m 754B资源评论
