深度学习2

最新推荐文章于 2024-10-15 17:31:08 发布
最新推荐文章于 2024-10-15 17:31:08 发布
阅读量109 收藏
点赞数 3
文章标签： 机器学习 深度学习 人工智能
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/jianglinhao2004/article/details/141661531
版权

如果训练损失大，可以先判断是模型偏差还是优化

如果是模型偏差，就把模型变大。假设经过努力可以让训练数据的损失变小，接下来可以来看测试数据损失；如果测试数据损失也小，比这个较强的基线模型还要小，就结束了。

但如果训练数据上面的损失小，测试数据上的损失大，可能是真的过拟合。在测试上的结果不好，不一定是过拟合。要把训练数据损失记下来，先确定优化没有问题，模型够大了。接下来才看看是不是测试的问题，如果是训练损失小，测试损失大，这个有可能是过拟合。

数据增强就是根据问题的理解创造出新的数据

如果随机分验证集，可能会分得不好，分到很奇怪的验证集，会导致结果很差，如果有这个担心的话，可以用 k 折交叉验证

过于简单的模型不能包含足够多的信息，出现模型偏差

jianglinhao2004
关注
AIGC实战——深度学习 (Deep Learning, DL)
盼小辉丶的博客
10-25 5万+
深度学习 (Deep Learning, DL) 是贯穿所有生成模型 (Generative Model) 的共同特征，几乎所有复杂的生成模型都以深度神经网络为核心，深度神经网络能够学习数据结构中的复杂关系，而不需要预先提取数据特征。在本节中，我们将介绍深度学习基本概念，并利用 Keras 构建深度神经网络。
PyTorch深度学习实战（1）——神经网络与模型训练过程详解
盼小辉丶的博客
05-28 6万+
在本节中，我们将了解传统机器学习与人工神经网络间的差异，并了解如何在实现前向传播之前连接网络的各个层，以计算与网络当前权重对应的损失值；实现反向传播以优化权重达到最小化损失值的目标。并将实现网络的所有关键组成——前向传播、激活函数、损失函数、链式法则和梯度下降，从零开始构建并训练了一个简单的神经网络。
动手学深度学习 v2 PDF版本
少年一贯快马扬帆，道阻且长不转弯； 要盛大，要绚烂，要哗然； 要用理想的泰坦尼克，去撞现实的冰川； 要当烧赤壁的风，而非借鉴草船； 要为了一片海，就肯翻万山。
12-30 4312
动手学深度学习 v2 PDF版本前言如何使用本书1. 深度学习简介2. 预备知识3. 深度学习基础4. 深度学习计算5. 卷积神经网络6. 循环神经网络7. 优化算法8. 计算性能9. 计算机视觉10. 自然语言处理11. 附录 前言 如何使用本书 1. 深度学习简介 2. 预备知识 3. 深度学习基础 4. 深度学习计算 keyboard_arrow_down 5. 卷积神经网络 keyboard_arrow_down 6. 循环神经网络 keyboard_arrow_down 7. 优化算法 keybo
PyTorch深度学习与计算机视觉实践
weixin_43178406的博客
07-30 6万+
本文主要介绍了PyTorch深度学习与计算机视觉实践，希望能对同学们有所帮助。 文章目录 1. 前言 2. 书籍推荐 2.1 内容简介 2.2 本书作者 2.3 本书目录 3. 购买链接
关于安装李沐深度学习d2l包报错的解决办法（保姆教程）
wzk4869的博客
11-10 3万+
关于安装李沐深度学习d2l包报错的解决办法（保姆教程）
简述深度学习
JasonH2021的博客
07-07 3628
介绍了深度学习的基本概念，常见的算法，应用场景，优势劣势，建模步骤，代码案例和前沿的研究课题等
深度学习通俗简述
weixin_63053052的博客
03-30 5065
特征表示学习 简述： 特征表示学习是一套给机器灌入原始数据，然后能自动发现需要进行检测和分类的表达的方法 。 传统机器学习算法： 传统的机器学习算法，需要人为设计特征。比如要用线性回归预测一所房子的价格，我们会人为划分出面积、地段等要素，这些要素就是我们人为划分出来的特征。 但是，人为划分出来的特征往往是是不足够的，而且很多时候并不准确。比如我们划分除了面积和地段，却遗漏了房屋年限这一也很重要的要素，即使我们经过精确的统计和计算划分出了上百个特征，也依然存在遗漏或不准确的可能。 深度学习算法：
Python 深度学习与强化学习
expert_joe的博客
11-30 1万+
深度学习
深度学习之Tensorflow
XST1520203418的博客
09-18 7343
文章目录深度学习介绍 深度学习介绍 （1）介绍： 深度学习，如深度神经网络、卷积神经网络和递归神经网络已被应用 计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域 并获取了极好的效果。 （2）深度学习框架 （3）认识Tensorflow （4）Tensorflow特点 真正的可移植性 引入各种计算设备的支持包括CPU/GPU/TPU，以及能够很好地运行在移动端， 如安卓设备、ios、树莓派等等 多语言支持 Tensorflow 有一个合理的c++使用界面，也有一个易用的python使用界面
国内开源深度学习框架
m0_59145816的博客
08-11 2048
本文章总计了国内的深度学习框架并从了解到快速上手再到基础教程进行了介绍。
Matlab深度学习工具箱
04-26
2. **目标检测**: 结合深度学习工具箱与计算机视觉库，如YOLO或Faster R-CNN，可以实现目标定位和识别。 3. **自然语言处理**: 利用RNN或LSTM处理文本数据，进行情感分析、机器翻译或文本生成。 4. **语音识别**: ...
零基础入门深度学习(系列) 中文PDF完整版
04-25
零基础入门深度学习(2) - 线性单元和梯度下降 零基础入门深度学习(3) - 神经网络和反向传播算法 零基础入门深度学习(4) - 卷积神经网络 零基础入门深度学习(5) - 循环神经网络 零基础入门深度学习(6) - 长短时记忆...
深度学习知识点全面总结
热门推荐
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 26万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
机器学习与神经网络：物理学的新边疆
u013818406的博客
10-11 624
2024年诺贝尔物理学奖的颁发，无疑是对机器学习和神经网络领域研究者的巨大认可。这一决定不仅标志着机器学习与神经网络在科学界的重要地位，也预示着这两个领域在物理学研究中将扮演越来越重要的角色。在这篇文章中，我将探讨机器学习和神经网络的发展前景，以及它们与传统物理学的关系。
6 机器学习之应用现状
此博客内容主要是小可日常工作中的一些问题解决的记录整理而成
10-11 468
事实上，随着科学研究的基本手段从传统的“理论+实验”走向现在的“理论+实验+计算”​，乃至出现“数据科学”这样的提法，机器学习的重要性日趋显著，因为“计算”的目的往往是数据分析，而数据科学的核心也恰是通过分析数据来获得价值。今天，机器学习已经与普通人的生活密切相关。今天，在计算机科学的诸多分支学科领域中，无论是多媒体、图形学，还是网络通信、软件工程，乃至体系结构、芯片设计，都能找到机器学习技术的身影，尤其是在计算机视觉、自然语言处理等“计算机应用技术”领域，机器学习已成为最重要的技术进步源泉之一。
机器学习可解释性
weixin_43899239的博客
10-11 1162
机器学习的稳健性、可解释性和等是人工智能安全可信应用必须解决的关键问题。
Python 机器学习中的可解释性AI：模型透明度与特征解释
weixin_52392194的博客
10-11 1229
LIME和SHAP在解释黑箱模型和分析特征重要性方面的强大能力。通过结合局部和全局解释方法，机器学习模型的透明度和公平性得到了显著提升，在关键应用领域中，XAI的引入将大大增强模型的可解释性和信任度。
【机器学习与神经网络荣获诺贝尔奖】科学边界的扩展及技术革新
最新发布
qq_201729558
10-15 1101
本文主要讨论关于机器学习与精神网络荣获诺贝尔奖的感受与理解
机器学习：opencv--光流估计
纸上得来终觉浅
10-13 768
opencv--光流估计
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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。

余额充值