dropout

TensorFlow学习笔记——（13）RNN、LSTM、GRU实现股票预测

GRU网络介绍2、TF描述GRU层3、实验代码一、RNN股票预测importnumpyasnpimporttensorflowastffromtensorflow.keras.layersimportDropout
屿十_·2022-06-29 07:19

【CNN】浅谈经典神经网络Classic Network

参考：D2L学习笔记文章目录前言DLAdvanceLeNetAlexNetVGGNiNGoogLeNetResNet前言DLAdvanceDropoutReLuMaxPooling•在卷积神经⽹络中，组合使
HDU-Dade·2022-06-27 21:25

pytorch使用万能模板

#详情参考：https://www.jianshu.com/p/e606f8fc1626GPU加速dropout批标准化处理优化器激活函数importtorchimporttorch.
hejp_123·2022-06-27 07:45

【深度学习基础】一文读懂卷积神经网络(Convolutional Neural Networks, CNN)

文章目录1.基本概念2.卷积神经网络的结构2.1输入层2.2卷积层2.3池化层2.4全连接层2.5卷积神经网络的其它概念（1）感受野（2）padding（3）stride（4）Flatten（5）Dropout3
非晚非晚·2022-06-25 07:05

经典神经网络（ AlexNet，VggNet，NiN，GoogLeNet，ResNet）

正则化方法数据集增强dropout,随机关闭神经元实现代码importtorchfromtorchimportnnnet=nn.Sequential(#这里，我们使用一个11*11的更大窗口来捕捉对象。
@秋野·2022-06-23 07:42

神经网络与深度学习（一）

神经网络其实在学习神经网络之前，掌握基本的机器学习知识很重要，要不学起来还是比较吃力，从监督学习的梯度下降算法（对后面的学习应用很广泛），到极大似然估计，从激活函数的种类与选择，到损失函数的确定，以及正则化，dropout
longongng·2022-06-20 07:32

DNN、FCN、CNN、RNN、LSTM、BRNN、DRNN、GAN、自编码器、DBN、RBN、注意力网络、MCNN、Inception、dropout、残差网络

DNN、FCN、CNN、RNN、LSTM、BRNN、DRNN、GAN、DBN、RBN、自编码器、注意力网络、MCNN、Inception、dropout、残差网络文章目录DNN、FCN、CNN、RNN、
待何·2022-06-16 07:06

多层感知机总结-PyTorch

动手学深度学习-多重感知机笔记多层感知机多层感知机的从零开始实现多层感知机的简洁实现范数与权重衰减(weightdecay)暂退法(Dropout)前向传播和反向传播梯度消失和梯度爆炸模型验证方法过拟合和欠拟合多层感知机多层感知机
葫芦娃啊啊啊啊·2022-06-16 01:34

SoC FPGA全连接神经网络实现数字手写体识别

SoCFPGA全连接神经网络实现数字手写体识别一、全连接神经网络-DNN1、网络结构2、神经网络的训练3、反向传播算法BP4、DropOut二、python获取数据集1、获取数据集2、查看获取数据集3、
小小怪༻·2022-06-14 18:05

LDO电源原理及应用要点

、功耗6、线性调整率7、负载调整率8、接地电流9、温度三、LDO应用要点1、Vref滤波2、SENSE（感应）引脚处理3、压降4、电流降额5、延时6、纹波抑制7、输出端的电容8、分压电阻LDO:LowDropoutRegulator
别再出error了·2022-06-14 18:33

基于Pytorch实现LSTM（多层LSTM，双向LSTM）进行文本分类

：点击进入LSTM:nn.LSTM(input_size,hidden_size,num_layers=1,nonlinearity=tanh,bias=True,batch_first=False,dropout
#苦行僧·2022-06-13 07:37

GoogLeNet网络结构详解及代码复现

对于大型数据集，最近的趋势是增加层数和每一层的尺寸，同时使用dropout来解决过拟合问题层尺寸的增大意味着需要更大数量的参数，这会使得网络更容易
何如千泷·2022-06-13 07:56

TensorFlow2.0实现GoogLeNet模型

模型，参数为mnist数据集#注意：非比赛数据集，此处仅为实现GoogLeNet模型importtensorflowastffromtensorflow.keras.layersimportInput,Dropout
bgbgssh1314·2022-06-13 07:42

pytorch 学习笔记目录

pytorch学习笔记torchnn.ModuleList_刘文巾的博客-CSDN博客pytorch笔记torch.clamp（截取上下限）_UQI-LIUWJ的博客-CSDN博客pytorch笔记：实现Dropout
UQI-LIUWJ·2022-06-12 09:18

Dropout【动手学深度学习v2】

Dropout1.理论好的模型应该对输入的扰动具有鲁棒性。
hei_hei_hei_·2022-06-12 07:35

PyTorch深度学习实践（十一）——迁移学习

文章目录0写在前面1AlexNet详解1.1浅析一下卷积层1.1dropout2VGGNet3ResNet4利用AlexNet做迁移学习实战4.1归一化处理4.2图像处理4.2加载预训练模型4.3重新定义
研究生不迟到·2022-06-11 07:37

12种Dropout方法，如何应用与CNN,RNN,DNN

作者：AxelThevenot编译：ronghuaiyang转载自：AI公园导读深入了解DNNs，CNNs以及RNNs中的Dropout来进行正则化，蒙特卡洛不确定性和模型压缩的方法。
可基大萌萌哒的马鹿·2022-06-10 07:01

nlp面试题目集锦

（1）介绍dropout，为什么可以起到防止过拟合的作用答：Dropout是什么？为什么Dropout可以防止过拟合？
ltochange·2022-06-09 07:46

李宏毅机器学习课程梳理【七】：深度神经网络优化方法与卷积神经网络

1.1ReLU1.2Maxout1.3RMSProp1.4Momentum1.5Adam2优化在TrainingSet上结果好却在TestingSet上结果差的问题2.1EarlyStopping2.2Regularization2.3Dropout3ConvolutionalNeuralNetwork3.1
-Emmie·2022-06-07 07:33

李宏毅机器学习笔记4 -- DNN训练

其中的dropout、ReLU等等很早就使用了，但是其中的细节却一直没有注意，这里总结一下课程中的知识，趁机巩固一下基础。
Zach要努力·2022-06-07 07:16

Pytorch深度学习——AlexNet及数据集花分类

上面加上一列0,下面加上两列0特点使用Relu替换之前的sigmoid的作为激活函数使用数据增强DataAugmentation抑制过拟合,比如增加噪声,翻转,随机裁剪等使用LRN局部响应归一化在全连接层使用Dropout
TonyHsuM·2022-06-07 07:46

卷积神经网络的优化

两种卷积神经网络的优化方法——dropout和级联卷积核dropout函数在机器学习中，如果模型比较复杂，参数很多，而训练样本又相对较少，那么训练出的模型很容易出现过拟合的问题，具体表现在模型在训练数据集上损失逐渐减少
xuechanba·2022-06-05 12:21

基于CNN的图像识别(Tensorflow)

TensorFlow2.0APItf.keras.Sequentialtf.keras.layers.Conv2Dtf.keras.layers.MaxPool2Dtf.keras.layers.Flatten与tf.keras.layer.Densetf.keras.layers.Dropouttf
暴风雨中的白杨·2022-06-05 11:11

PYTORCH学习记录_防止过拟合

DropOut以及正则化DropOut正则化代码修改如下DropOutDropOut是神经网络中一种防止过拟合的手段,其主要的原理是在每一次的训练过程中放置几个神经元,不对进行训练,他的参数不会进行更新
蒟蒻瑟瑟发抖·2022-06-04 07:34

机器学习防止过拟合方法

过拟合解决方法防止过拟合：earlystopping、扩增训练集、正则化、dropoutEarlystoppingEarlystopping便是一种迭代次数截断的方法来防止过拟合的方法，即在模型对训练数据集迭代收敛之前停止迭代来防止过拟合
sunwillz·2022-06-04 07:59

【个人学习文章收集】

数据挖掘与机器学习计算机网络传统图像处理网页操作系统LinuxPython语法基础语法numpyscipy.sparseC++与STL图神经网络知识图谱其他深度学习常用的优化方法和常见概念验证集和测试集的区别深度学习中Dropout
Seeklhy·2022-06-04 07:56

模型泛化 | 正则化 | 权重衰退 | dropout

模型的泛化能力机器学习的目标是发现模式(pattern)。所以这需要确定模型是真正发现了泛化的模式还是简单的记住了数据。先讲个小故事，我们大三那年参加比赛，用机器学习写了个语言识别，虽然准确率很低，只有50%。当时比赛一个评委不信那是机器学习写的，一口咬定我们是写的数据库比对……泛化和记住数据有什么区别呢？就好像给AB两个学生一堆数学资料让他学习。期末考试的时候，如果出原题，两个人都能答100分，
一个爱写代码的小姐姐·2022-06-03 07:22

Pytorch模型定义与深度学习自查手册

weights_init)方法2：在网络初始化的时候进行参数初始化常用的操作利用nn.Parameter()设计新的层nn.Flattennn.Sequential常用的层全连接层nn.Linear()torch.nn.Dropout
·2022-06-02 14:29

深度学习——神经网络之CNN卷积神经网络

激活函数2、卷积神经网络2.1、卷积的过程2、卷积的参数2.1、Padding填充2.2、Stride步长3、卷积核通道数的计算4、池化层4.1、max-pooling4.2、mean-pooling5、dropout
企鹅家的北极熊·2022-06-01 16:06

从AlexNet到BERT：深度学习中那些最重要idea的最简单回顾

DennyBritz按时间总结的深度学习比较重要的idea集锦，推荐新人看，几乎给自12年以来最重要的idea都列了出来，这些idea可以说得上是养活了无数人，大家都基于这些发了无数的论文，它们依次是：AlexNet和Dropout
小白学视觉·2022-06-01 07:26

深度学习之基于卷积神经网络实现服装图像识别

modelsfromtensorflow.keras.modelsimportSequentialfromtensorflow.keras.layersimportDense,Conv2D,Flatten,Dropout
starlet_kiss·2022-05-31 07:58

model.train()和model.eval()

model.train()：进入训练状态,让你的模型知道现在正在训练model.eval()：让你的模型知道自己正在进行预测或者测试,等效于model.train(false),两种不同状态下，batchnorm层和dropout
Pr Young·2022-05-30 07:09

深度神经网络之Keras（一）——从Keras开始

目录深度神经网络之Keras（一）——从Keras开始一、输入数据二、神经元三、激活函数四、Sigmoid与ReLU函数五、模型六、层1、核心层2、Dropout层3、其它层及编写自己的层七、
IGSzt·2022-05-30 07:35

【深度学习】：《100天一起学习PyTorch》第九天：Dropout实现（含源码）

【深度学习】：《100天一起学习PyTorch》第九天:Dropout实现✨本文收录于【深度学习】：《100天一起学习PyTorch》专栏，此专栏主要记录如何使用PyTorch实现深度学习笔记，尽量坚持每周持续更新
JoJo的数据分析历险记·2022-05-30 07:03

dropout层_【深度学习理论】一文搞透Dropout、L1L2正则化/权重衰减

前言本文主要内容——一文搞透深度学习中的正则化概念，常用正则化方法介绍，重点介绍Dropout的概念和代码实现、L1-norm/L2-norm的概念、L1/L2正则化的概念和代码实现～要是文章看完还不明白
weixin_39749243·2022-05-20 18:22

dropout层的作用_【深度学习理论】一文搞透Dropout、L1L2正则化/权重衰减

前言本文主要内容——一文搞透深度学习中的正则化概念，常用正则化方法介绍，重点介绍Dropout的概念和代码实现、L1-norm/L2-norm的概念、L1/L2正则化的概念和代码实现～要是文章看完还不明白
weixin_39637919·2022-05-20 18:22

深度学习的权重衰减是什么_【深度学习理论】一文搞透Dropout、L1L2正则化/权重衰减...

前言本文主要内容——一文搞透深度学习中的正则化概念，常用正则化方法介绍，重点介绍Dropout的概念和代码实现、L1-norm/L2-norm的概念、L1/L2正则化的概念和代码实现～要是文章看完还不明白
weixin_39965161·2022-05-20 18:52

正则化综述（L2\L1正则化、弹性网络正则化，数据增强、k折交叉验证、dropout、early stopping、injecting noise）

k-foldcross-validation）早停法（earlystopping）参数范数惩罚（ParameterNormPenalty）L2正则化L1正则化弹性网络正则化（elasticnetregularization）其他方式随机失活（dropout
today__present·2022-05-20 18:51

对L1，L2正则化和dropout的理解

L1L2正则化L1，L2正则化目的是为了防止过拟合。为何会出现过拟合？答：权重过大。所以L1和L2正则化就是用来防止权重过大的。他们是怎么做的呢？很简单：我们优化参数都是通过最小化损失函数来优化，那么只要我通过某种策略把“防止权重过大”这个目的也加入到损失函数中就可以。L1正则化是这样做的：loss=损失函数+权重的绝对值之和L2正则化是这样做的：loss=损失函数+权重的平方和再开根号注意我们的
司南牧·2022-05-20 18:20

【深度学习】正则化：L1正则化、L2正则化、Batch Normal与Dropout

目录正则化0正则化介绍0.0什么是正则化？0.1正则化解决什么问题？0.2正则化常用手段1L1、L2正则化1.0范数定义1.1L1正则化（Ridge回归）1.2L2正则化（LASSO回归）1.3弹性网络1.4参考文献2BatchNormalization2.0BN介绍2.1BatchNormalization优缺点（作用）2.2BN的添加位置及限定2.3Pytorch框架中的具体实现2.4参考文献
阳一子·2022-05-20 18:16

神经网络的正则化方法（L1,L2 & dropout）

文章目录前言一、参数惩罚（L1,L2）二、Dropout&Dropconnect前言在深度学习模型中，模型参数数量巨大导致容易产生过拟合。
Arwin（Haowen Yu）·2022-05-20 18:46

【深度学习理论】正则化方法：L1、L2、数据扩增、Dropout

原文链接：http://blog.csdn.net/u012162613/article/details/44261657声明：本文在原文的极大参考下，添加部分细节。原文很棒，点个赞！正则化在训练数据不够多时，或者过度训练时，常常会导致overfitting（过拟合）。随着训练过程的进行，模型复杂度增加，在traindata上的error渐渐减小，但是在验证集上的error却反而渐渐增大。因为训练
TwT520Ly·2022-05-20 18:09

深度学习正则化(L1 norm/L2 norm)以及dropout理解

恰巧上周在谢毅博士的课上旁听，讲到过拟合相关知识，后续和捷文讨论transformer内部的dropout为何还广泛使用，由此总结下正则化相关内容。
NCU_wander·2022-05-20 18:35

深度学习 --- 优化入门六（正则化、参数范数惩罚L0、L1、L2、Dropout）

中引入拉格朗日乘子法即引入惩罚项解决了约束问题，在稀疏自编码器中我们引入了惩罚因子去自动调整隐层的神经元的个数，以此达到压缩率和失真度的平衡，其实这些都是使用正则思想进行实现的，因此掌握正则化很重要，本节就系统的讲解正则化和数据扩充以及Dropout
zsffuture·2022-05-19 07:54

机器学习：过拟合和欠拟合

过拟合欠拟合判断方式：(1)：学习曲线（learningcurves）(2)：学习曲线（learningcurves）二、过拟合1、过拟合定义：2、形成原因：3、解决方案：4、解决方案解析：正则化数据扩增DropoutEarlystopping
如诗雨季·2022-05-18 07:47

卷积神经网络(原理与代码实现)

卷积的概念2、感受野的概念3、全零填充(padding)4、Tensorflow描述卷积层4.1卷积(Convolutional)4.2批标准化（BatchNormalization，BN）4.3池化4.4Dropout5
别团等shy哥发育·2022-05-17 07:46

笔记：基于keras的不同神经网络模型Minst手写体识别

importkerasfromkeras.datasetsimportmnistfromkeras.modelsimportSequentialfromkeras.layersimportDense,Flatten,Conv2D,MaxPool2D,Activation,Dropout
Lil_D603·2022-05-15 07:01

前沿重器[20] | 文本分类和意图识别调研思考

往期回顾前沿重器[15]|R-Dropout——一次不行就两次前沿重器[16]|美团搜索ner技术
机智的叉烧·2022-05-11 07:38

机器学习（18）——卷积神经网络（三）

2012年Alex等提出AlexNet，提出一些训练深度网络的重要方法或技巧，如Dropout、ReLu、GPU、数据增强方法等，随后各种各样的深度卷积神经网络模型相继
进击的南方仔·2022-05-10 08:11

[机器学习导论]——第三课——神经网络Ⅱ

反向传播的一般情形反向传播方程反向传播算法神经网络模型参数求解步骤mini-batch方程证明BP1的证明BP2的证明BP3的证明BP4的证明神经网络模型改进改进损失函数：对数似然示例反向传播方程权重初始化减少过拟合：dropout
雨落俊泉·2022-05-10 08:10
上一页 23 24 25 26 27 28 29 30 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他