- 博客(5)
- 收藏
- 关注
RSS订阅原创 图像识别模型常用小技巧
在层之间添加dropout通常会产生更高的训练稳定性和更可靠的结果，在隐藏层中使用。Dropout 也可用于小幅提高性能，在训练前尝试设置层 dropouts。： 当你的神经网络过度拟合或欠拟合时，正则化可以极大地提升性能，对于正常的机器学习模型，L1 或 L2 正则化是可以的。：你可以通过使用Multi Validations来提高模型对过度拟合的稳健性。然而，这是以计算时间为代价的。通常效果很好，可以在很多比赛中看到它的身影。以二分类任务为例，以下给出标签平滑的示例代码，可以直接用。
2024-07-16 14:24:54
687
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人