机器学习细碎知识点回顾
方差:样本与平均值之间的离散程度。
残差:实际值与模型预测值(回归曲线值)
数据点与它在回归直线相应位置的差异称为残差。
identity激活函数:f(x)=x; 是一种输入与输出相等的激活函数
好处:幅值不会随着网络层深度层数增多而有太大变化。网络更加稳定,梯度值更容易往回传。
same:输入和输出的特征图尺寸一样
valid: 仅在输入图有效的范围生成特征图
系统某一时刻的输出是由多个输入共同作用(叠加)的结果
卷积神经网络中的卷积,每个卷积核是通过训练得到的参数,
滤波器是特殊的卷积操作,卷积核的参数是自己训练的,但录波器的参数人为设定的,让它有特殊功能。
(使用滤波器的过程是叫池化,滤波器的大小和为1,有一些加强边缘,平滑噪声的作用等,池化不会改变输出图片的大小。卷积不同)
卷积:系统某一时刻的输出是由多个输入共同作用叠加的结果。
卷积核对等长宽大小区域的输入图像进行卷积(内积)相乘,(看着是对应位置相乘然后求和,实际按照线性代数按照行列式方法求,卷积核旋转180那样的,然后对应位置相乘
每个kemel压缩所有的输入通道到一个单一的输出通道)
更深的网络层训练性能退化的现象:层数越深,数据被映射到更加离散的空间
early stopping: callbacks的一种,当训练集的loss不在减小(减小的程度小于某个阈值),就停止继续训练。
callbacks:用于指定在每个epoch开始和结束的时候进行哪种特定操作。
verbose 日志显示,等于1是显示进度条,等于0是不显示进度条。
opt = TrainOptions().parse()
iter:表示迭代