- 博客(3)
- 收藏
- 关注
RSS订阅原创 解决过拟合问题
这就是数据增强，它可以增加我们的数据集中的样本，非常实用和直观的策略。总的来说，处理过拟合的方法多种多样，需要我们综合运用，进行不断的试验和优化。记住，提升模型泛化能力，防止过拟合，是我们构建高质量模型的重要任务。4、Dropout:这是一种非常常见的策略，它在训练过程中随机丢弃一部分神经元，就像是在模型中加入"噪声"，以此增强模型的泛化能力。5、集成学习:简单来讲就是"三个臭皮匠，顶个诸葛亮"，将多个模型的预测结果进行集成，可以有效地减少过拟合，提高模型的稳定性。下面整理了5种方法供你参考。
2024-03-07 15:00:23
422
1
原创 什么是深度学习？
在这个课程中，不仅能学到基础的模型长什么样子，还能动手实现这个模型。有些在论文中不理解的地方，写出代码之后其实就豁然开朗了，除前期多敲代码，会加深对基础模型的理解，后续更复杂的模型用到这个基础模型的时候，脑中就已经知道为什么用这个，怎么实现。虽然李沐老师的课程把一篇论文讲得通俗易懂，降低了理解的门槛，但是这个也是一种信息的压缩，读论文原文不仅可以知道这个模型长什么样，还能知道为什么要这么做，作者的动机是什么，作者是怎么思考问题的，这个对我们的思路有很大的启发(你们好好的去看去听，我还等着你们的分享呢)。
2024-03-03 19:38:08
336
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人