【卷积神经网络的一些基本概念】

卷积神经网络的一些基本概念

  1. 超参数
    学习率(Learning rate):运用梯度下降算法进行优化时,在权重的更新规则中,梯度项前会乘以一个系数,这个系数就叫学习速率 α 。如果学习速率太小,则会使收敛太慢,无法找到损失函数最小值。如果学习率太大,则会导致损失函数大幅振荡,迭代过快,梯度下降法可能会略过最优解,甚至可能发散。
    Epoch:所有的训练数据输入神经网络中, 完成一次前向计算 + 反向传播的过程就是一个Epoch。通常将所有数据迭代训练一次是不够的, 需要反复多次才能拟合、收敛。随着epoch 数量的增加, 权重更新迭代的次数增多, 曲线从最开始的不拟合状态, 进入优化拟合状态, 最终可能进入过拟合。epoch的设置与数据集的多样化程度有关, 多样化程度越强, epoch 越大。
    Batch
    BatchSize
    迭代次数

  2. 网络结构
    Dropout:
    激活函数:神经网络的每个神经元接收上一层神经元的输出值作为本层的输入,激活函数的主要目的是引入非线性因素,如果不用激励函数,每一层输出都是上层输入的线性函数,无论神经网络有多少层,输出都是输入的线性组合,在激活函数的作用下,神经网络可以任意逼近任何非线性函数,这样神经网络就可以应用到众多的非线性模型中。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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