Dropout

DAY 41 简单CNN

常用与图像数据特征图：只有卷积操作输出的才叫特征图调度器：直接修改基础学习率卷积操作常见流程如下：1.输入→卷积层→Batch归一化层（可选）→池化层→激活函数→下一层Flatten->Dense(withDropout
yizhimie37·2025-06-29 07:51

Day41 Python打卡训练营

特征图：只有卷积操作输出的才叫特征图5.调度器：直接修改基础学习率卷积操作常见流程如下：1.输入→卷积层→Batch归一化层（可选）→池化层→激活函数→下一层2.Flatten->Dense(withDropout
·2025-06-26 21:33

DAY 40 训练和测试的规范写法

知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭dropout#先继续之前的代码
小白菜333666·2025-06-26 02:31

60天python训练营打卡day41

4.特征图：只有卷积操作输出的才叫特征图5.调度器：直接修改基础学习率卷积操作常见流程如下：输入→卷积层→Batch归一化层（可选）→池化层→激活函数→下一层2.Flatten->Dense(withDropout
tan90�=·2025-06-25 12:50

CVPR2025｜底层视觉(超分辨率，图像恢复，去雨，去雾，去模糊，去噪等)相关论文汇总（附论文链接/开源代码）【持续更新】

CVPR2025｜底层视觉相关论文汇总（如果觉得有帮助，欢迎点赞和收藏）1.超分辨率(Super-Resolution)AdaptiveDropout:UnleashingDropoutacrossLayersforGeneralizableImageSuper-ResolutionADD
Kobaayyy·2025-06-25 10:33

Day 40训练

图像数据训练与测试的规范写法单通道图像的规范训练流程数据预处理与加载模型定义训练与测试函数封装模型训练执行彩色图像的扩展应用数据预处理调整模型结构调整关键要点总结知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout
Nina_717·2025-06-24 20:20

DAY 40 训练和测试的规范写法

目录DAY40训练和测试的规范写法1.彩色和灰度图片测试和训练的规范写法：封装在函数中2.展平操作：除第一个维度batchsize外全部展平3.dropout操作：训练阶段随机丢弃神经元，测试阶段eval
HINOTOR_·2025-06-24 19:16

python打卡day40

知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭dropout导入包#先继续之前的代码
ZHPEN1·2025-06-16 17:27

Python----神经网络发（神经网络发展历程）

CNN），引入卷积、池化操作手写数字识别先驱，奠定CNN基础MNISTDemosonYannLeCun'swebsite2012AlexNet首次大规模使用深度卷积神经网络进行图像识别；引入ReLU、Dropout
蹦蹦跳跳真可爱589·2025-06-14 23:43

【深度学习-Day 26】正则化神器 Dropout：随机失活，模型泛化的“保险丝”

Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战05-玩转LangChain：深度评估问答系统的三种高效方法（示例生成、手
吴师兄大模型·2025-06-12 18:37

【Flux 中的 attention】缩放点积注意力机制的具体实现

defscaled_dot_product_attention(query,key,value,attn_mask=None,dropout_p=0.0,is_causal=False,scale=None
多恩Stone·2025-06-12 02:22

基于卷积神经网络的 Fashionminsit 数据集分类

3.应用正则化技术：通过实验，掌握Dropout、L2正则化等技术在卷积神经网络中的应用，以降低模型的过拟合风险。
ʚɞ 长腿欧巴·2025-06-11 15:33

从零实现基于BERT的中文文本情感分析的任务

model.pyimporttorchimporttorch.nnasnnimportmathclassBertEmbeddings(nn.Module):def__init__(self,vocab_size,d_model,max_len,dropout_prob
AlexandrMisko·2025-06-10 22:28

python训练营打卡第41天

常用与图像数据特征图：只有卷积操作输出的才叫特征图调度器：直接修改基础学习率卷积操作常见流程如下：1.输入→卷积层→Batch归一化层（可选）→池化层→激活函数→下一层2.Flatten->Dense(withDropout
·2025-06-10 16:16

第四十一天打卡

常用与图像数据特征图：只有卷积操作输出的才叫特征图调度器：直接修改基础学习率卷积操作常见流程如下：1.输入→卷积层→Batch归一化层（可选）→池化层→激活函数→下一层Flatten->Dense(withDropout
wswlqsss·2025-06-09 18:15

Python训练day40

知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭dropout作业：仔细学习下测试和训练代码的逻辑
Mantanmu·2025-06-08 13:17

《从零构建大模型》系列（20）：因果注意力——大语言模型的核心安全机制

1.1文本生成的本质要求1.2信息泄露的风险二、因果注意力的实现原理2.1掩码机制详解2.2PyTorch实现步骤三、完整因果注意力实现3.1基础因果注意力类3.2设备感知实现技巧四、Dropout在注意力机制中的应用
Sonal_Lynn·2025-06-07 14:43

cnn卷积神经变体

2.AlexNet（2012）改进：引入ReLU激活函数、Dropout、数据增强，开启深度学习时代。应用
MYH516·2025-06-07 05:07

第四十天打卡

知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭dropout作业：仔细学习下测试和训练代码的逻辑
wswlqsss·2025-06-06 16:41

6.02打卡

特征图：只有卷积操作输出的才叫特征图5.调度器：直接修改基础学习率卷积操作常见流程如下：1.输入→卷积层→Batch归一化层（可选）→池化层→激活函数→下一层2.Flatten->Dense(withDropout
丁值心·2025-06-05 10:48

day40打卡

知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭dropout作业：仔细学习下测试和训练代码的逻辑
嘻嘻哈哈OK啦·2025-06-05 03:29

python打卡day40

神经网络训练和测试的规范写法知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭
(・Д・)ノ·2025-06-04 19:52

【Pytorch学习笔记】模型模块05——Module常用函数

主要影响的层：Dropout层：训练时随机丢弃神经元，评估时保持全部神经元BatchNorm层：训练时计算并更新统计量，评估时使用固定统计量LayerNorm层：行为在两种模式下基本一致2.设置方法#设置训练模式
越轨·2025-06-03 22:15

.train()和.eval()区别

在训练模式下，网络会启用诸如Dropout和BatchNormalization等在训练过程中需要用到的技术。这些技术有助于模型学习，但在模型评估或推理时不需要。.eval()：将网络设置为评估模式。
O_o381·2025-06-03 21:07

国芯思辰| 智能电表可使用40V/150mA高性能LDO CN8803

LDO（LowDropoutRegulator）是应用较为广泛的一种小功率降压稳压电源芯片，具有输出电压对输入电压或负载变化反应迅速，输出电压纹波和噪声较低，外围电路简单，体积小，价格低等优点。
GXSC·2025-06-03 17:35

DAY41

常用与图像数据特征图：只有卷积操作输出的才叫特征图调度器：直接修改基础学习率卷积操作常见流程如下：1.输入→卷积层→Batch归一化层（可选）→池化层→激活函数→下一层Flatten->Dense(withDropout
weixin_71046789·2025-06-03 11:24

python学习打卡day40

DAY40训练和测试的规范写法知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭
vijaycc·2025-06-02 18:49

Python训练第四十天

DAY40训练和测试的规范写法知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭
火兮明兮·2025-06-02 15:58

Day 41

4.特征图：只有卷积操作输出的才叫特征图5.调度器：直接修改基础学习率卷积操作常见流程如下：1.输入→卷积层→Batch归一化层（可选）→池化层→激活函数→下一层Flatten->Dense(withDropout
LiuSu789k·2025-06-02 10:59

Python训练营---Day41

常用与图像数据特征图：只有卷积操作输出的才叫特征图调度器：直接修改基础学习率卷积操作常见流程如下：1.输入→卷积层→Batch归一化层（可选）→池化层→激活函数→下一层2.Flatten->Dense(withDropout
2501_91182850·2025-06-02 05:24

python打卡day40@浙大疏锦行

知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭dropout一、彩色/
风逸hhh·2025-06-01 15:09

python打卡day40

知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭dropout作业：仔细学习下测试和训练代码的逻辑
纨妙·2025-06-01 15:39

python打卡day41

常用与图像数据特征图：只有卷积操作输出的才叫特征图调度器：直接修改基础学习率卷积操作常见流程如下：1.输入→卷积层→Batch归一化层（可选）→池化层→激活函数→下一层Flatten->Dense(withDropout
纨妙·2025-06-01 09:27

Python打卡训练营Day40

DAY40训练和测试的规范写法知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭
我想睡觉261·2025-05-31 16:29

深度学习模型：技术演进、热点突破与未来图景

其采用ReLU激活函数、Dropout正则化等创新，奠定现代深度学习基础架构。
accurater·2025-05-31 12:28

正则化方法：从 Weight Decay 到 BatchNorm、GroupNorm, Dropout、DropConnect, Early Stopping 与归一化技术

深度学习中的正则化方法全解析：从WeightDecay到BatchNorm、Dropout、EarlyStopping与归一化技术本文系统梳理了深度学习中各类正则化方法，包括：显式正则化：L1/L2正则
pen-ai·2025-05-26 20:25

深度学习中的正则化方法与卷积神经网络基础

正则化方法1.1什么是正则化防止模型过拟合(训练集效果好,测试集效果差),提高模型泛化能力一种防止过拟合,提高模型泛化能力的策略L1正则:需要通过手动写代码实现L2正则:SGD(weight_decay=)dropoutBN1.2Dropout
郜太素·2025-05-21 21:22

从零实现基于Transformer的英译汉任务

）importtorchimporttorch.nnasnnimportmathclassPositionalEncoding(nn.Module):def__init__(self,d_model,dropout
AlexandrMisko·2025-05-11 01:42

rust-candle学习笔记13-实现多头注意力

f32;usecandle_core::{DType,Device,Result,Tensor};usecandle_nn::{embedding,linear_no_bias,linear,ops,Dropout
zhuziheniaoer·2025-05-10 20:07

rust-candle学习笔记12-实现因果注意力

参考：about-pytorch定义结构体：structCausalAttention{w_qkv:Linear,dropout:Dropout,d_model:Tensor,mask:Tensor,device
zhuziheniaoer·2025-05-10 20:06

过拟合、欠拟合、高偏差、高方差

过拟合在训练样本上误差较小，在验证集上误差较大解决办法：1.添加正则项（or提高正则项系数）2.增加数据规模3.特征降维4.dropout5.pooling6.batchnormalization欠拟合在训练样本和验证集上误差都教大解决办法
jzwei023·2025-05-10 10:31

第99期 dropout防止过拟合

importtorchfromtorchimportnnfromd2limporttorchasd2ldefdropout_layer(X,dropout):assert0dropout).float(
qq_Ygdy·2025-05-10 08:50

卷积神经网络(CNN)详解：原理、核心组件与应用实践

.激活函数(ActivationFunction)3.池化层(PoolingLayer)4.全连接层(FullyConnectedLayer)5.批归一化层(BatchNormalization)6.Dropout
北辰alk·2025-04-27 07:10

PyTorch 实战：Transformer 模型搭建全解析

它能并行处理序列，有效捕捉上下文关系，其架构包含编码器与解码器，各由多层组件构成，涉及自注意力、前馈神经网络、归一化和Dropout等关键环节。下面我们深入探讨其核心要点，并结合代码实现进行详细解读。
COOCC1·2025-04-25 10:36

transformer--编码器2(前馈全连接层、规范化层、子层链接结构、编码器层、编码器)

考虑注意力机制可能对复杂过程的拟合程度不够,通过增加两层网络来增强模型的能力code#前馈全连接层classPositionwiseFeedForward(nn.Module):def__init__(self,d_model,d_ff,dropout
zsffuture·2025-04-21 17:07

猫狗识别基于tensorflow2.0 GPU版 自建CNN模型+数据增强+Dropout

猫狗识别基于tensorflow2.0GPU版自建CNN模型+数据增强+Dropout1.导入库fromtensorflow.keras.layersimportConv2D,MaxPooling2D,
重工黑大帅·2025-04-21 04:55

神经网络设计指南：如何避免你的AI模型“又慢又笨”？

原则1：深度>宽度原则2：防止“脑退化”（ResNet残差连接）3.训练加速技巧：让AI学习“开挂”(1)BatchNormalization（批标准化）(2)Dropout：防止AI“死记硬背”4.终极设计流程图总结
A宝呀·2025-04-19 20:26

Pytorch神经网络工具箱

适用于卷积层、全连接层、Dropout层（丢弃法）。Linear全连接层Cohv2d卷积层Batch
煤烦恼·2025-04-11 07:01

Pytorch神经网络工具箱

②适用于卷积层、全连接层、dropout层。nn.functional②更像是纯函数。②适用于激活函数、池化层。
sho_re·2025-04-10 22:42

【深度学习】BN和Dropout在训练和测试时的差别

BN和Dropout在训练和测试时的差别BatchNormalizationBN，BatchNormalization，就是在深度神经网络训练过程中使得每一层神经网络的输入保持相近的分布。
浪里小飞侠·2025-04-10 10:53
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他