深度学习学习笔记——label smoothing和mixup防止过拟合

label smoothing: 像L1、L2和dropout一样,是机器学习领域的一种正则化方法,通常用于分类问题,目的是防止模型在训练时过于自信地预测标签,改善泛化能力差的问题。防止过拟合,提升模型的泛化能力。
在这里插入图片描述
原来的真实值是是目标就为1不是目标就为0
在这里插入图片描述
经过平滑后的标签在是目标时接近1而不是目标时接近0,这样会让模型不那么自信,提高模型的泛化能力(正则化手段)
标签平滑(Label Smoothing)详解
Label-Smoothing

mixup: 一种具有正则化能力(防止过拟合)的数据增强手段
label smooth/mixup——深度学习中的一种防止过拟合方法

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