最后一个task了,老规矩,不讲过多难懂的理论,目的是讲要点用更形象的语言总结。
交叉熵是一种更常用在分类上的损失计算方法,当我们做分类时,如果没有好的优化器,有非常大的可能性在使用均方误差的时候会训练不起来。所以需要改变损失函数
如果我们假设误差表面是一群山岭,那么批量归一化是一种可以把山铲平的方法。归一化的作用就是把所有数值批量化转为平均为0,方差为1的数据,所以能保证梯度下降过程中损失收敛更快 训练更顺利
卷积神经网络是深度学习中极其广泛的网络架构,我们希望机器能够识别图片。那么我们首先分析图片,图片往往被描述是一个三维张量,长,宽,通道数量。什么是通道?
彩色图像的每个像素都可以描述为红色(red)、绿色(green)、蓝色(blue)的组合,这 3 种颜色就称为图像的 3 个色彩通道
有两种方式以供机器识别图像,一种是全连接层,一种是卷积层,当你用到卷积层时,这个架构就上卷积神经网络,