- 博客(5)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 如何优化深度神经网络
如何优化深度神经网络 网络越深越容易过拟合？假设训练两个层数不一样的神经网络，一个层数较少（例如20层），一个层数较多（50层），在测试集中我们发现： 测试集上的效果显示20层要56层的错误率要更低，但是我们不能就先入为主的断定56层是由于参数太多导致过拟合，所以在测试集上表现要比20层神经网络要差。其实我们应该首先看看它们在训练集上的表现： 上图我们看到在训
2017-08-18 11:21:35
7119
1
原创 深度学习基本模型浅析
深度学习基本模型浅析前言台湾李宏毅的深度学习课程说实话讲得还是比较不错的，有需要的话还是比较推荐学习，这篇也是基于它的深度学习基本结构的讲解的总结。 深度学习的三个步骤深度学习首先是我们要构建一个网络，这个网络也就是我们所说的深度学习神经网络模型。深度学习一般可以归纳为下图所示的3个步骤： 第一个步骤, 神经网络模型是一个有简单函数组成的复杂的函数，通常我们设计一个神经
2017-08-14 13:35:56
13082
原创 Dlib构建神经网络
Dlib构建神经网络 构建简单的LeNet CNN定义LeNet概况的说，网络的定义包括3个部分。损失层，一堆计算层，然后是输入层，你在下面的网络定义中可以看到这些组件。输入层这里所说的输入层，是网络期望被赋予matrix矩阵对象作为输入。通常，在这里你可以用dlib 图像或是矩阵类型，说是甚至是用定制输入层定义你自己的类型。中间层中间层定义了网络将做的运算来转换输
2017-08-14 13:35:15
4219
1
原创 Triplet Loss及其梯度
Triplet Loss及其梯度 Triplet Loss简介我这里将Triplet Loss翻译为三元组损失，其中的三元也就是如下图的Anchor、Negative、Positive，如下图所示通过Triplet Loss的学习后使得Positive元和Anchor元之间的距离最小，而和Negative之间距离最大。其中Anchor为训练数据集中随机选取的一个样本，Positive
2017-08-14 13:35:01
18801
3
转载 MySQL优化原理
说起MySQL的查询优化，相信大家积累一堆技巧：不能使用SELECT *、不使用NULL字段、合理创建索引、为字段选择合适的数据类型..... 你是否真的理解这些优化技巧？是否理解其背后的工作原理？在实际场景下性能真有提升吗？我想未必。因而理解这些优化建议背后的原理就尤为重要，希望本文能让你重新审视这些优化建议，并在实际业务场景下合理的运用。 MySQL逻辑架构 如果能在头脑中构建一幅
2017-08-10 09:08:28
402
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人