- 博客(3)
- 收藏
- 关注
RSS订阅原创 打卡3
数量梯度下降—最小化所有训练样本的损失函数，导致最终转化的是逐级的最优解，即转化的参数是风险函数最小。 随机梯度下降—最小化每条样本的损失函数，虽然不是每次反复获取的损失函数都向着最大化方向，而是大的整体的方向是向最大化最优解的，最终的结果往往是在总体最优解附近。 视频的模型比较简单，确实效果差异不明显，实际的大模型需要调整 NLP领域主要推荐以下几篇文章：规范和优化LSTM语言模型（LSTM的训...
2020-02-24 12:05:05
148
原创 打卡2
卷积神经网络基础 本节我们介绍卷积神经网络的基础概念，主要是卷积层和池化层，并解释填充、步幅、输入通道和输出通道的含义。 二维卷积层 本节介绍的是最常见的二维卷积层，常用于处理图像数据。 二维互相关运算 二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。卷积核的尺寸通...
2020-02-16 12:33:22
177
原创 打卡1
模型训练的过程实际上就是在求【参数】的过程，我们先假定某类【模型】（选择决策树模型），然后用【训练集】来训练，学习到对应的最优的【参数】。但是问题在于，我们没有办法保证我们假设的那个【模型】是最优的，我们极有可能假设错误对。那怎么办呢？有一个简单的解决方案就是我们假设一堆的模型，然后用【训练集]分别对这些模型来进行训练，学习到每一个【模型】中分别对应的参数-这是起点，也就是【训练集】的任务。 那么...
2020-02-14 19:48:04
158
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