第二门课第一周:深度学习的实践层面

文章目录

  • 一、训练,验证,测试集(Train/Dev/Test sets)
  • 二、偏差,方差(Bias/Variance)
  • 三、机器学习基础
  • 四、正则化
  • 五、为什么正则化有利于预防过拟合
  • 六、dropout正则化
  • 七、理解dropout
  • 八、其他正则化方法
  • 九、归一化输入
  • 十、梯度消失/梯度爆炸
  • 十一、神经网络的权重初始化
  • 十二、梯度的数值逼近
  • 十三、梯度检验
  • 编程作业


一、训练,验证,测试集(Train/Dev/Test sets)

本周我们将继续学习如何有效运作神经网络,内容涉及超参数调优,如何构建数据以及如何确保优化算法快速运行,从而使学习算法在合法时间内完成自我学习。
在机器学习发展的小数据量时代,如果没有明确设置验证集,可以按照60%训练,20%验证和20%

你可能感兴趣的:(深度学习,深度学习,人工智能,机器学习)