第三周作业01

此作业的要求参见:[https://edu.cnblogs.com/campus/nenu/2019fall/homework/7626]

本周PSP:

类型任务开始时间(min)结束时间(min)中断时间(min)delta时间(min)
 博客 读作业要求 09.20 09:05 09.20:0935 0 30
 编程 改bug 09.20 09:50 09.20 11:00 5+5+10 50
 编程 效能分析 09.20 10:01 09.20 11:02 5+3+3 50
 编程 结对编程 09.22 10:23 09.22 18:36 10+5+5+10 463
 测试 测试代码 09.23 14:22 09.23 18:02 10 220
 测试 测试代码 09.24 17:38 09.24 20:05 6 167
 编程 上传代码 09.24 21:04 09.24 21:30 5 21
 博客 写博客 09.25 13:22 09.25 17:56 22 274

本周进度条:

代码行数博文字数用到的软件工程知识
5053125PSP、单元测试

累计进度条:

本周PSP饼状图:

 

转载于:https://www.cnblogs.com/chijw123/p/11585643.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
你好!改善深层神经网络的方法有很多,以下是一些常见的方法: 1. 使用更好的激活函数:传统的激活函数如Sigmoid、tanh等可能存在梯度消失或爆炸的问题。可以尝试使用ReLU、Leaky ReLU、ELU等激活函数,以减轻这些问题。 2. 使用批标准化(Batch Normalization):批标准化对网络的输入进行标准化,有助于加快网络的训练速度,并且可以缓解梯度问题,使得更深层的网络也能够训练得更好。 3. 使用残差连接(Residual Connections):残差连接可以帮助信息在网络中更好地流动,从而减轻梯度消失的问题。通过将某些层的输出与输入相加,可以使得网络更易于训练。 4. 使用更好的优化算法:传统的梯度下降算法如随机梯度下降(SGD)可能存在训练速度慢、易陷入局部最优等问题。可以尝试使用更高级的优化算法如Adam、RMSprop等,以加快模型的收敛速度。 5. 添加正则化:过拟合是深层神经网络常见的问题之一。可以通过添加正则化项如L1正则化、L2正则化等来限制模型的复杂度,防止过拟合的发生。 6. 数据增强:通过对训练数据进行一些随机的变换,如平移、旋转、缩放等,可以增加模型的泛化能力,防止过拟合。 这些方法只是改善深层神经网络的一部分,具体的选择和调整需要根据具体问题和数据集来进行。希望对你有所帮助!
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