![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
Brucechows
一只不等风的笨鸟
展开
-
Deeplearning——自编码器(Autoencoder)
前言自编码器(autoencoder, AE)是一类在半监督学习和非监督学习中使用的人工神经网络(Artificial Neural Networks, ANNs),其功能是通过将输入信息作为学习目标,对输入信息进行表征学习(representation learning)。其结构图如下图1所示图1 自编码器结构图一.生成模型 1.1.什么是生成模型 1.2.生成模型的类型二.自编码器(Autoencoder) 2.1.自编码器的定义 2.2.自编码器分类 2.3自编码器的应用原创 2020-10-05 08:18:38 · 3011 阅读 · 1 评论 -
深度学习中的超参数以及两个重要的超参数——学习率和batch_size
前言 在深度学习中有很多参数是我们在训练模型之前自己设定的,我们把这些参数就称为——超参数。其中主要超参数包括了:学习率、batch_size、梯度下降法循环的数量、隐藏层数目、隐藏层单元数目、激活函数的选择等。1.超参数2.学习率3.batch_size 1.超参数1.1 超参数的选择如何选择最优的超参数对模型的性能起着非常重要的作用,下面提供了一些常用的选择超参数的方法: 1.猜测和检查:根据经验或直觉,选择参数,一直迭代。 2.网格搜索:让计算机尝试在一定范围内均匀分布的一组值原创 2020-10-05 08:18:25 · 10414 阅读 · 4 评论