避免过拟合，参数大模型强，正则让模型不要走偏

漫欣

已于 2024-07-31 17:55:32 修改

阅读量83

点赞数 1

文章标签：算法机器学习人工智能

于 2024-07-31 17:38:35 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/hzh839900/article/details/140826232

版权

1、加入惩罚项L1【绝对值】和L2【默认平方】，降低噪音的影响，减少权重W的值

2、丢弃法层与层之间加入噪音，只能在全连接层使用

无偏差加入噪音 p为丢弃的概率 x'= $p*0+(1-p)*{x}_{i}/(1-p)$

当概率p是0 否则为除以(1-p)

$x^{_{i}^{'}} = \left\{\begin{matrix}0 \\ x_{i}/(1-p) \end{matrix}\right.$

丢弃概率p 一般为0.1 0.5

def drop_out(x,dropout): # x 权重，dropout 是参数

mask=(torch.randn(x.shape)>dropout).float() #返回这样，大于dropout为1 返回【1,0,1，0】

return mask*x/(1-dropout)

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
避免过拟合，参数大模型强，正则让模型不要走偏

mask=(torch.randn(x.shape)>dropout).float() #返回这样，大于dropout为1 返回【1,0,1，0】def drop_out(x,dropout): # x 权重，dropout 是参数。1、加入惩罚项L1【绝对值】和L2【默认平方】，降低噪音的影响，减少权重W的值。无偏差加入噪音 p为丢弃的概率 x'=当概率p是0 否则为除以(1-p)丢弃概率p 一般为0.1 0.5。2、丢弃法层与层之间加入噪音。
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。