计算机视觉-深度学习与传统神经网络的区别

与传统神经网络的区别

区别神经网络深度学习
网络架构3层以内可达上千层
层间连接通常全连接形式多样:共享权值、跨层的反馈
目标函数MSE(mean square error)CE(cross entropy)
激活函数SigmoidReLU
梯度下降方法GDAdam
避免过适应凭经验Dropout

目标函数

在这里插入图片描述
在这里插入图片描述

Softmax层

Softmax层的作用是突出 “最大值”并转换成概率的形式
在这里插入图片描述

激活函数

梯度消失的直观解释

在这里插入图片描述

ReLU

在这里插入图片描述
在这里插入图片描述

梯度算法

SGD 随机梯度下降
  • 学习率不易确定,太小过慢,太大震荡
  • 每个参数的学习率固定,希望对出现频率低的特征进行大一点的更新
  • 学习过程容易陷入马鞍面,此区域所有方向的梯度值几乎为0

后面陆续有 Momentum、Nesterov Momentum、Adagrad、RMSprop、Adam(adaptive moment estimation,自适应矩估计)
在这里插入图片描述

梯度算法比较

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

避免过适应

产生原因

权重参数太多,而样本量不足

避免
  • 早期停止训练
  • 权重衰减
  • Dropout
早期停止训练

在这里插入图片描述

权重衰减

在这里插入图片描述

Dropout

在这里插入图片描述
在这里插入图片描述

CNN 初步介绍

  • 1
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值