- 博客(3)
- 收藏
- 关注
原创 百度飞桨学习总结
感谢百度飞桨平台推出的“百度架构师手把手带你零基础实践深度学习”课程,感谢班主任每天群里的督促打卡学习,感谢助教每天在群里辛苦的答疑,感谢飞桨的各位讲课老师!谢谢!通过21天的深度学习,我从一个技术小白转到一个对深度学习有个初步的认识,并可以基于飞桨的平台进行简单的深度学习案例复现。整个学习过程收益匪浅,老师会从基于python基础代码讲解深度学习的数据处理、模型建立、优化算法、训练调参、结果处理,这对一个入门级的小白来说是比较容易接受的,也会学习到许多深度学习基础的知识。第二周开始学习基于paddle
2020-08-29 21:49:20 745
原创 “百度飞桨深度学习“——训练过程中的参数调试
**训练过程优化思路**主要有如下五个关键环节:1. 计算分类准确率,观测模型训练效果。交叉熵损失函数只能作为优化目标,无法直接准确衡量模型的训练效果。准确率可以直接衡量训练效果,但由于其离散性质,不适合做为损失函数优化神经网络。2. 检查模型训练过程,识别潜在问题。如果模型的损失或者评估指标表现异常,通常需要打印模型每一层的输入和输出来定位问题,分析每一层的内容来获取错误的原因。3. 加入校验或测试,更好评价模型效果。理想的模型训练结果是在训练集和验证集上均有较高的准确率,如果训练集上的准确.
2020-08-16 20:38:28 724
原创 百度“飞浆“学习笔记
百度"飞浆"学习笔记第一章作业1-2:1. 样本归一化:预测时的样本数据同样也需要归一化,但使用训练样本的均值和极值计算,这是为什么?答:建立模型使用的是训练样本的均值和极值归一化的样本,预测样本需要采用相同的归一化参数2. 当部分参数的梯度计算为0(接近0)时,可能是什么情况?是否意味着完成训练?答:当部分参数梯度计算接近0时,表明这些参数达到最优,后续更新梯度时,只选择其他参数的梯度取平均值进行迭代,直到所有参数梯度接近0时,完成训练。1-31. 随机梯度下降的batchsize设置成多
2020-08-12 18:35:09 1887
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