深度学习实战-自学笔记

基于 Java 机器学习自学笔记 （第71-73天：BP神经网络）

注意：本篇为50天后的Java自学笔记扩充，内容不再是基础数据结构内容而是机器学习中的各种经典算法。这部分博客更侧重于笔记以方便自己的理解，自我知识的输出明显减少，若有错误欢迎指正！
LTA_ALBlack·2022-11-28 08:19

《PyTorch深度学习实战》学习小结

前言PyTorch是Facebook发布的一款非常具有个性的深度学习框架，它和Tensorflow，Keras，Theano等其他深度学习框架都不同，它是动态计算图模式，其应用模型支持在运行过程中根据运行参数动态改变，而其他几种框架都是静态计算图模式，其模型在运行之前就已经确定。PyTorch安装简易安装pipinstallnumpypipinstallscipypipinstallhttp://
一銤阳光·2022-11-28 07:13

RNN自学笔记

视频来源：链接优点：有代码一、序列模型1.1、序列数据举例：a、音乐，语言，文本和视频是连续的b、大地震发生后，很可能会有几次较小的余震c、人的互动是连续的d、预测明天的股票要比填补昨天以实的股价更困难（炒股是炒预期）#：图片是空间的，语言是时序的。1.2、统计工具（x1,x2,...xt)~p(x)情况1：数据是图片，那么x1,x2,...xt就是一个个像素点，它们在空间上满足某种关系的概率是p
还是那个狗蛋·2022-11-28 05:21

【目标检测】基于yolov3的红细胞检测、计数项目(附代码+数据集)

今天手把手带大家做一个深度学习实战项目：基于yolov3的红细胞检测、计数项目。
机器不学习我学习·2022-11-28 00:37

吴恩达神经网络和深度学习课程自学笔记（十二）之人脸识别

人脸识别和神经风格转换一、什么是人脸识别？首先，让我们了解一下人脸识别的一些术语。主要是人脸验证（faceverification）和人脸识别（facerecognition）。人脸验证问题：如果你有一张输入图片，以及某人的ID或者是名字，这个系统要做的是，验证输入图片是否是这个人。有时候也被称作1对1问题。人脸识别问题：而人脸识别问题比人脸验证问题难很多。验证系统是一对一，而识别系统是一对多，对
To_1_oT·2022-11-28 00:56

【机器学习入门项目10例】（二）：鸢尾花分类预测

『精品学习专栏导航帖』最适合入门的100个深度学习实战项目【PyTorch深度学习项目实战100例目录】项目详解+数据集+完整源码【机器学习入门项目10例目录】项目详解+数据集+完整源码【机器学习项目实战
咕 嘟·2022-11-27 23:32

深度学习实战14(进阶版)-手写文字OCR识别，手写笔记也可以识别了

大家好，我是微学AI，今天给大家带来手写OCR识别的项目。手写的文稿在日常生活中较为常见，比如笔记、会议记录，合同签名、手写书信等，手写体的文字到处都有，所以针对手写体识别也是有较大的需求。目前手写体的识别相比印刷体识别率不是太高，主要有以下几个难点：中文汉字字符级别的类别较多；手写体字符的书写随意性较大,比如连笔字、草书、行书字体每个人的书写风格不一样以上难点对手写体的识别都带来了很大难度。本项
微学AI·2022-11-27 22:48

【机器学习入门项目10例】（四）：基于逻辑回归的泰坦尼克生存预测

『精品学习专栏导航帖』最适合入门的100个深度学习实战项目【PyTorch深度学习项目实战100例目录】项目详解+数据集+完整源码【机器学习入门项目10例目录】项目详解+数据集+完整源码【机器学习项目实战
咕 嘟·2022-11-27 20:55

【机器学习入门项目10例】（十）：PCA降维：简易人脸识别模型

『精品学习专栏导航帖』最适合入门的100个深度学习实战项目【PyTorch深度学习项目实战100例目录】项目详解+数据集+完整源码【机器学习入门项目10例目录】项目详解+数据集+完整源码【机器学习项目实战
咕 嘟·2022-11-27 19:12

【机器学习入门项目10例】（九）：聚类算法用于降维，KMeans的矢量量化应用（图片压缩）

『精品学习专栏导航帖』最适合入门的100个深度学习实战项目【PyTorch深度学习项目实战100例目录】项目详解+数据集+完整源码【机器学习入门项目10例目录】项目详解+数据集+完整源码【机器学习项目实战
咕 嘟·2022-11-27 17:40

【深度学习实战—番外篇2】：如何保存CIFAR-10数据集图片？

✨博客主页：米开朗琪罗~✨博主爱好：羽毛球✨年轻人要：Livingforthemoment（活在当下）！推荐专栏：【图像处理】【千锤百炼Python】【深度学习】【排序算法】目录一、简述二、程序编写2.1文件夹建立2.2程序编写三、图片可视化一、简述CIFAR-10数据集是一个包含了60000张32×32的RGB图像数据集，所有图像共被划分为10个类别，分别为：['飞机','汽车','鸟','猫'
米开朗琪罗~·2022-11-27 14:02

UNet语义分割网络

、本文参考[炼丹术]UNet图像分割模型相关总结_animalslin的技术博客_51CTO博客https://cuijiahua.com/blog/2019/11/dl-14.htmlPytorch深度学习实战教程
benben044·2022-11-27 10:43

pytorch深度学习实战lesson28

第二十八课resnet的梯度计算（如何缓解梯度问题）沐神说：“假设你在卷积神经网络里面，只要了解一个神经网络的话，你就了解restnet就行了。restnet是一个很简单的也是很好用的一个网络。这也是大家会经常在实际中使用的一个网络。”目录理论部分实践部分理论部分如果不断地去加深神经网络，其实不一定会带来好处吗的。举个例子，假设上图的星星是最优值的位置，然后F1是一个函数，可以认为函数区域的大小代
光·宇·2022-11-27 08:59

009_wz_ledr_pytorch深度学习实战_第十讲——卷积神经网络（CNN）基础篇

一、目的使用CNN网络对Mnist进行分类。二、编程我们使用pytorch框架。搭建两个卷积层、两个池化层、一个全连接层来实现。1、每一个卷积核它的通道数量要求和输入通道数量是一样的。这种卷积核的总数有多少个和你输出通道的数量是一样的。2、卷积(convolution)后，C(Channels)变，W(width)和H(Height)可变可不变，取决于是否padding。subsampling(或
王泽的随笔·2022-11-27 04:02

from_logits

日萌社人工智能AI：KerasPyTorchMXNetTensorFlowPaddlePaddle深度学习实战（不定时更新）tensorflow2.0画出model网络模型的拓扑图tensorflow2.0
あずにゃん·2022-11-27 01:53

Python 深度学习实战：75个有关神经网络建模、强化学习与迁移学习的解决方案

深度学习正在为广泛的行业带来革命性的变化。对于许多应用来说，深度学习通过做出更快和更准确的预测，证明其已经超越人类的预测。本书提供了自上而下和自下而上的方法来展示深度学习对不同领域现实问题的解决方案。这些应用程序包括计算机视觉、自然语言处理、时间序列预测和机器人。本书主要内容：第1章编程环境、GPU计算、云解决方案和深度学习框架主要包括与环境和GPU计算相关的信息和方案。对于在不同平台上设置环境有
sdf57·2022-11-26 18:39

python 深度学习实战_75个有关神经网络建模、强化学习与迁移学习的解决方案

python深度学习实战_75个有关神经网络建模、强化学习与迁移学习的解决方案第一章程序page8page11page12page16第一章程序学习python深度学习实战_75个有关神经网络建模、强化学习与迁移学习的解决方案中
jianmin23·2022-11-26 18:04

深度学习实战13(进阶版)-文本纠错功能，经常写错别字的小伙伴的福星

大家好，我是微学AI，我们在日常生活中，经常会写一些文稿，比如：会议纪要，周报，日报，汇报材料，这些文稿里我们会发现有时候出现拼写、语法、标点等错误；其中拼写错误的错别字占大部分。经过初步统计：在微博等新媒体领域中，文本敏感和出错概率在2%左右；怎样才能快速解决这个错误问题呢，让机器帮我们找错别字，因为有时候自己写的文章，比较不容易找出错误，如果找出来需要反复通读全文，这也是很费时的一件事情。下面
微学AI·2022-11-26 10:50

pytorch深度学习实战lesson27

第二十七课批量归一化下面来讲批量归一化，现在几乎所有主流的卷积神经网络都是或多或少的用了批量归一化这个层。虽然我们之前看到的那些层比如pooling或convolution，其实他们在80年代就出现过了，只是现在我们把它做得更深更大。批量归一化虽然思想不新，但是这个特定的层确是最近几年才出来的，大家发现效果很好，特别是做很深的神经网络的时候，这个是不能避免的一个层。目录理论部分实践部分从零开始实现
光·宇·2022-11-25 20:53

pytorch深度学习实战lesson24

第二十四课VGG网络VGG是Oxford的VisualGeometryGroup的组提出的（大家应该能看出VGG名字的由来了）。该网络是在ILSVRC2014上的相关工作，主要工作是证明了增加网络的深度能够在一定程度上影响网络最终的性能。VGG有两种结构，分别是VGG16和VGG19，两者并没有本质上的区别，只是网络深度不一样。目录理论部分实践部分理论部分考虑vgg之前，可以先考虑一下Alexne
光·宇·2022-11-25 20:22

吴恩达神经网络和深度学习课程自学笔记（十一）之目标检测

目标检测一、目标定位不仅是识别出汽车，还要判断他的在图中的具体位置。一个输入图片，我们先通过卷积判断了它是汽车，而要定位，我们可以让神经网络多输出几个单元，输出一个边界框，也就是4个数字（bx,by,bh,bw)，即被检测对象的参数化表示。约定一些符号表示：左上角坐标为（0，0），右下角为（1，1），物体中心点坐标为（bx,by)，边框高度为bh，宽度为bw。（本例子中，bx=0.5,by=0.7
To_1_oT·2022-11-25 20:45

pytorch深度学习实战lesson25

第二十五课networkinnetwork(NIN)NIN叫做networkinnetwork或者叫做网络中的网络。这个网络现在用的不多，几乎很少被用到。但是它里面提出了比较重要的概念，在之后很多网络都会被持续的用到。所以今天认识一下这一个网络。目录理论部分实践部分理论部分在alexnet和vgg的时候都在最后用了比较大的全连接层，在vgg和alexnet都是一样的，用了两个4096的全链阶层，最
光·宇·2022-11-25 20:38

斯坦福CS229机器学习笔记-Lecture8- SVM支持向量机 之核方法 + 软间隔 + SMO 算法

作者：teeyohuang邮箱：[email protected]本文系原创，供交流学习使用，转载请注明出处，谢谢声明：此系列博文根据斯坦福CS229课程，吴恩达主讲所写，为本人自学笔记，写成博客分享出来博文中部分图片和公式都来源于
Teeyohuang·2022-11-25 17:06

Yolov5自学笔记之一--从入门到入狱，功能强大不要乱用（实现yolov5的基本功能使用流程及训练自己的数据集）

1、下载安装前提是安装好Anaconda3和pytorch等一大堆AI学习相关环境1.1、下载YOLO5源码Yolov5Github地址：https://github.com/ultralytics/yolov5自己的网盘地址：链接：https://pan.baidu.com/s/1fY_JVs5LiZ428aOdv0BEJQ提取码：ig02--来自百度网盘超级会员V3的分享1.2、下载Yolov
阿尔法羊·2022-11-25 16:29

Matlab深度学习实战一：LeNe-5图像分类篇MNIST数据集分十类且matlab提供模型框架全网为唯一详细操作流程

1.数据集简介下载与准备2.matlab搭建模型相关知识3.matlab软件的操作过程：（1）界面操作（2）深度学习设计器使用（3）图像数据导入（4）训练可视化一、数据集简介下载与准备本次用到的数据集是图片，如已经分号类，每个类文件夹是图片，如1链接：https://pan.baidu.com/s/14vu1YTtu-JlXqo2oiGpqDg提取码：7e71二、matlab搭建模型相关知识这是由
king 开龙wu·2022-11-25 15:34

pytorch深度学习实战lesson26

第二十六课GoogLeNet这节课学习Googlenet，虽然nin现在几乎没有被使用，但是Googlenet还是在大量的被使用。在比如说Google内部当然是用的挺多的，在外面也是被经常使用。这个网络当时候出来的时候也是吓了大家一跳。如上图所示，它是第一次做一个几乎快到100层的卷积层。而且可以看到它的名字L是大写的，所以它是致敬了lenet。然后它在IMAGnet上拿了挺好的成绩，是老冠军。目
光·宇·2022-11-25 11:43

深度学习实战代码40例（4）——GAN对自己的数据进行增强

from__future__importprint_function,divisionimporttensorflowastffromtensorflowimportkerasfromtensorflow.keras.datasetsimportmnistfromtensorflow.keras.layersimportInput,Dense,Reshape,Flatten,Dropoutfrom
AI炮灰·2022-11-25 10:57

【深度学习实战—2】：基于Keras的cifar10图像分类（非常详细、代码开源）

✨博客主页：米开朗琪罗~✨博主爱好：羽毛球✨年轻人要：Livingforthemoment（活在当下）！推荐专栏：【图像处理】【千锤百炼Python】【深度学习】【排序算法】目录一、准备工作二、下载cifar10数据集2.1导入所需的库与模块2.2下载数据集三、数据集预处理3.1图像标签可视化3.2其他处理四、网络构建4.1常规卷积神经网络的构建4.2带残差结构的神经网络的构建五、网络训练六、网络
米开朗琪罗~·2022-11-25 05:00

深度学习实战——CNN+LSTM+Attention预测股票

前言本文使用pytorch实现，根据历史股票的open,low,close,high数据预测未来股票的变化趋势。开源地址：点个start吧～giegie数据样式模型模型部分实验了几种不同的attention对整体效果的影响：CNN+LSTMCNN+LSTM+ECACNN+LSTM+SE(channal维度的attention)CNN+LSTM+HW(长宽维度的Attention，不知道叫啥就叫这个
只会git clone的程序员·2022-11-25 05:48

深度学习课程自学笔记整理(二)——一些自己总结记录的结论和小tips等

笔记一：吴恩达深度学习课程自学笔记整理(一)深度学习的实践层面Train/Dev/Testsets只有训练集和测试集：七三分有验证集且总数量不多：六二二分有验证集且总数量很多-
yan_nLiiiiii·2022-11-24 11:45

【PyTorch】深度学习实战之线性模型

本文主要是参考B站刘二大人的视频讲解本文的主要内容是PyTorch深度学习实践的线性模型。类似于初中的求函数：先给出几个点，让你求出函数，然后再给一个x坐标，让你求出y坐标，或者是类似于高中的最小二乘法，但是在深度学习领域我们需要去找损失函数为0的w值，而不是人眼或者手动算出来损失函数：平均平方误差（MSE）：实现代码：importnumpyasnpimportmatplotlib.pyplota
少年白马·2022-11-24 10:08

ML6自学笔记

集成算法实战集成算法工具包：http://ml-ensemble.com/集成算法的思想X数据通过不同的数据处理可以变成X1，X2，通过不同的处理算法f可以得到不同的结果pi，最后平均成最终的结果P。导包预处理数据importnumpyasnpimportpandasaspdimportmatplotlib.pyplotasplt%matplotlibinline###Importdata#随机种
十九岁的花季少女·2022-11-23 16:17

深度学习——自学笔记2

在回顾深度学习相关知识的时候参考链接博客，将自己遗忘的知识点进行整理归纳。Train/Dev(验证集）/TestSets没有Testsets也是没有问题的。Testsets的目标主要是进行无偏估计。我们可以通过Trainsets训练不同的算法模型，分别在Devsets(测试不同算法的表现)上进行验证，根据结果选择最好的算法模型。这样也是可以的，不需要再进行无偏估计了。如果只有Trainsets和D
秋男不吃牛肉豆制品牛奶小麦·2022-11-23 12:54

深度学习实战2（centos8搭建Python开发环境，解决部署阿里云Jupyter Notebook浏览器无法打开问题）

一、Anaconda及配置Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。[1]因为包含了大量的科学包，Anaconda的下载文件比较大（约531MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和Python）。Anaconda利用工具/命令conda来进行pac
herryone123·2022-11-22 21:26

深度学习实战案例：新闻文本分类

深度学习多分类案例：新闻文本分类公众号：机器学习杂货店作者：Peter编辑：Peter大家好，我是Peter~这里是机器学习杂货店MachineLearningGrocery~之前介绍过一个单分类的问题。当每个数据点可以划分到多个类别、多个标签下，这就是属于多分类问题了。本文介绍一个基于深度学习的多分类实战案例：新闻文本分类，最终是有46个不同的类别数据集路透社数据集广泛使用的文本分类数据集：46
尤尔小屋的猫·2022-11-22 18:05

深度学习实战（3）transformers使用BERT和Roberta做embedding

博客目录了解Transformers安装Transformers安装CUDA10.1配置python环境使用Transformers使用BERT使用Roberta了解Transformerstransformers是最新的BERT开源github项目，他的前身是pytorch-transformers和pytorch-pretrained-bert，现在已经改名了，并支持最新的很多流行的用BERT
icebird_craft·2022-11-22 16:58

Pytorch深度学习实战（1）—— 使用LSTM 自动编码器进行时间序列异常检测

大家好，我是Sonhhxg_柒，希望你看完之后，能对你有所帮助，不足请指正！共同学习交流个人主页－Sonhhxg_柒的博客_CSDN博客欢迎各位→点赞+收藏⭐️+留言系列专栏-机器学习【ML】自然语言处理【NLP】深度学习【DL】foreword✔说明⇢本人讲解主要包括Python、机器学习（ML）、深度学习（DL）、自然语言处理（NLP）等内容。如果你对这个系列感兴趣的话，可以关注订阅哟文章目录
Sonhhxg_柒·2022-11-22 15:41

STM32自学笔记-7-CAN总线通信

STM32F103有1个CAN控制器，可以配合逻辑分析仪来测试CAN和PC的通信。在此之前先学习一下CAN的基础知识。CAN控制器根据两根线上的电位差来判断总线电平。总线电平分为显性电平(0)，CAN_H和CAN_L之差为2.5V左右；隐性电平(1)，二者必居其一。而隐性电平对应逻辑1CAN_H和CAN_L之差为0V。发送方通过使总线电平发生变化，将消息发送给接收方。在总线上显性电平具有优先权，只
raulcy·2022-11-22 04:44

深度学习实战11(进阶版)-BERT模型的微调应用-文本分类案例

文章目录一、前期工作导入库包导入数据二、模型加载三、模型训练四、模型测试大家好，我是微学AI，今天给大家带来一个基于BERT模型做文本分类的实战案例，在BERT模型基础上做微调，训练自己的数据集，相信之前大家很多都是套用别人的模型直接训练，或者直接用于预训练模型进行预测，没有训练和微调过大模型，因为像BERT这种大模型一般人是训练不了的，我们只能在大模型的基础上进行微调，或者做下游任务改造。下面来
微学AI·2022-11-22 03:49

深度学习实战12(进阶版)-利用Dewarp实现文本扭曲矫正

大家好，我是微学A1,我们在生活中会看到一些拍摄扭曲的图片，我们在通过OCR识别的时候，因为扭曲的厉害，而无法识别，我们需要对图片进行处理。文件图像的变形有扭曲、折叠、褶皱、透视等多种情况，解决方案可以分为参数化方法和非参数化方法。参数化方法构建只能处理简单场景的低维度的数学模型。在非参数方法中，通常需要创建一对数据集。假设文档变形用低维参数化模型表示，不能处理失真情况，不能处理折叠变形。参数模型
微学AI·2022-11-22 03:49

深度学习实战3-文本卷积神经网络（TextCNN）新闻文本分类

文章目录一、前期工作1.设置GPU2.导入预处理词库类二、导入预处理词库类三、参数设定四、创建模型五、训练模型函数六、测试模型函数七、训练模型与预测今天给大家带来一个简单的中文新闻分类模型，利用TextCNN模型进行训练，TextCNN的主要流程是：获取文本的局部特征：通过不同的卷积核尺寸来提取文本的N-Gram信息，然后通过最大池化操作来突出各个卷积操作提取的最关键信息，拼接后通过全连接层对特征
微学AI·2022-11-22 03:18

深度学习实战5-卷积神经网络（CNN）中文OCR识别项目

文章目录一、前期工作导入库图片生成函数导入数据生成数据集函数二、CNN模型建立三、训练模型函数四、训练模型与结果五、验证大家好，我是微学AI，今天给大家带来一个利用卷积神经网络（CNN）进行中文OCR识别，实现自己的一个OCR识别工具。一个OCR识别系统，其目的很简单，只是要把影像作一个转换，使影像内的图形继续保存、有表格则表格内资料及影像内的文字，一律变成计算机文字，使能达到影像资料的储存量减少
微学AI·2022-11-22 03:18

【深度学习实战】一、Numpy手撸神经网络实现线性回归

目录一、引言二、代码实战1、Tensor和初始化类2、全连接层3、模型组网4、SGD优化器5、均方差损失函数6、Dataset三、线性回归实战四、实验结果五、总结一、引言深度学习理论相对简单，但是深度学习框架（tensorflow/torch/paddlepaddle）源码却比较复杂，对于初学者来说，将代码和理论相结合理解是一个巨大的问题，本文的目标是使用python的numpy库从零开始实现一个
嘟嘟太菜了·2022-11-22 03:12

《Web安全之深度学习实战》笔记：第六章 垃圾邮件识别

本小节使用Enron-Spam数据集来识别垃圾邮件，通过多种方法处理数据集，同时使用多种机器学习的方法来识别垃圾邮件。一、数据集介绍垃圾邮件对于企业邮箱用户的影响主要是给日常办公和邮箱管理者带来额外负担，尤其是钓鱼邮件更是有可能导致企业遭受巨大损失。根据不完全统计，在高效的反垃圾环境下依旧有80%的用户每周需要耗费10分钟左右的时间处理这些垃圾邮件。对于企业邮件服务商而言，垃圾邮件大量占用网络资源
mooyuan·2022-11-22 03:11

深度学习实战10-数学公式识别-将图片转换为Latex(img2Latex)

大家好，我是微学AI，今天给大家带来一个关于数学公式识别的实战案例，解决大家在写论文中遇到很多latex输入的问题，而且可以无限次识别哦，因为是代码实现，不用调用外部API.以前我们知道一个latex识别网页，latex识别网页神器：https://snip.mathpix.com/，但是这个识别是有次数限制的，我们如果需要大量的识别的话，这个是不适用的。这个功能识别效果准确率达98%，每个月可识
微学AI·2022-11-22 03:32

韩顺平 Java集合 自学笔记(Java30天基础)

韩顺平Java集合自学笔记Java集合集合的理解和好处数组的不足之处集合的好处Collection接口实现类的特点Collection接口的遍历形式使用迭代器Iterator(迭代器)迭代器的执行原理Itrator
心向阳光的天域·2022-11-22 02:59

pytorch深度学习实战lesson15

第十五课数值稳定性、模型初始化和激活函数目录理论部分数值的稳定性稳定训练实践部分理论部分数值的稳定性神经网络的梯度计算：其本质来讲是一堆矩阵的乘法，因为向量对向量求导是矩阵。如下图所示：数值稳定性常见的两个问题：1、梯度爆炸；2、梯度消失。1、梯队爆炸如果梯度的值比1大一些的话，比如1.5，那么对于一个100层的网络来说，1.5的100次幂是约等于4*1017的。这就会引起梯度爆炸。2、梯度消失如
光·宇·2022-11-22 00:54

pytorch深度学习实战lesson23

第二十三课AlexNetAlexNet是在2012年被发表的一个金典之作，并在当年取得了ImageNet最好成绩，也是在那年之后，更多的更深的神经网路被提出，比如优秀的vgg,GoogleLeNet.其官方提供的数据模型，准确率达到57.1%,top1-5达到80.2%.这项对于传统的机器学习分类算法而言，已经相当的出色。目录理论部分实践部分理论部分机器学习在2000年初期最主流的算法是核方法。其
光·宇·2022-11-22 00:54

pytorch深度学习实战lesson12

第十二课模型选择与过/欠拟合目录理论部分模型选择过拟合和欠拟合实践部分理论部分模型选择首先介绍一下如何选择超参数从一个简单的例子开始：《预测谁会偿还贷款》背景：然后你惊讶的发现：（在美国，穿蓝色衬衫有个隐藏信息——蓝领）这里的问题就是：面试本来穿的蓝色衣服，结果下次见面穿了红色衣服，这两种模型就不一样了，也就是说，模型会认为一个人前后穿了两种颜色的衣服后，它会认为这也是两个人。这个肯定就不对了。所
光·宇·2022-11-22 00:24

pytorch深度学习实战lesson13

第十三课权重衰退目录理论部分实践部分从零开始：简洁实现：理论部分权重衰退是一种常见的处理过拟合的方法。之前讲过控制模型容量的方法是：1、把模型变小点，这样参数就少；2、让每个参数值的可选范围小一些。那么权重衰退就是上述的第二种方法。相比于“使用均方范数作为硬性限制”，其实最常用的是“使用均方范数作为柔性限制”。上面的公式没有约束条件了λ控制着正则项的重要程度，当λ为零时，正则项也就是0了，也就是说
光·宇·2022-11-22 00:24
上一页 19 20 21 22 23 24 25 26 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他