1、训练后在左侧找到模型文件可直接下载到本地,同样也可以上传数据集
2、卷积核计算时一般会加入偏置项
conv.parameters[0] [1] 可以查看卷积层所包含的参数
3、激活函数:在卷积或者全连接后面加一个非线性的函数,作用在每一个神经元的输出上,从而实现非线性变换的结果(异或?)
梯度接近于0,梯度消失现象
4、批归一化 开始与中间过程
5、过拟合 Dropout 随机删一部分神经元
训练丢弃 预测时数据可能放大或者缩小
1、训练后在左侧找到模型文件可直接下载到本地,同样也可以上传数据集
2、卷积核计算时一般会加入偏置项
conv.parameters[0] [1] 可以查看卷积层所包含的参数
3、激活函数:在卷积或者全连接后面加一个非线性的函数,作用在每一个神经元的输出上,从而实现非线性变换的结果(异或?)
梯度接近于0,梯度消失现象
4、批归一化 开始与中间过程
5、过拟合 Dropout 随机删一部分神经元
训练丢弃 预测时数据可能放大或者缩小