自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(2)
  • 收藏
  • 关注

原创 如何理解深度学习中的训练集验证集测试集的作用

用故事理解深度学习(一)【给小白入门理解,大佬直接滑过】前言:模型训练,你不可能一直训练吧,你需要一个参照物,在这个参照物上效果很好了 ,你的这个模型就该停了 。不然,你怎么知道你的模型应该什么时候停止呢 ,不然就只能一直训练下去,这个参照物就是val。故事:你做了一道菜,你拿给你妈妈吃,你妈妈觉得难吃就给了你一个大耳巴子,你又重新做,反复做直到你妈觉得OK, 你就可以拿出去给别的人尝尝,比如你老爹。其中,反复做的过程就是训练,你妈妈就是验证集,评价你这菜做的是否合格,然而,你爸就是测试集。你爸妈口味

2022-05-07 11:58:13 718

原创 归一化与反归一化

一、归一化归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布,归一化在-1–+1之间是统计的坐标分布。归一化有同一、统一和合一的意思。无论是为了建模还是为了计算,首先基本度量单位要同一,神经网络是以样本在事件中的统计分别几率来进行训练(概率计算)和预测的,且sigmoid函数的取值是0到1之间的,网络最后一个节点的输出也是如此,所以经常要对样本的输出归一化处理。归一化是统一在0-1之间的统计概率分布,当所有样本的输入信号都为正值时,与第一隐含层神经元相连的权值只能同时增加或减小

2020-09-28 10:28:13 7213

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

提示
确定要删除当前文章?
取消 删除