正则化:
L1正则化的作用是使得大部分模型参数的值等于0,
L2正则化对于绝对值较大的权重予以很重的惩罚,对于绝对值很小的权重予以非常非常小的惩罚,当权重绝对值趋近于0时,基本不惩罚。
维度:
机器学习中的“维度”是什么? - 知乎 (zhihu.com)
张量:
【中字】张量Tensor是什么,有什么用?_哔哩哔哩_bilibili
batch_size:每次进入训练数据的个数
关于batch_size和epoch的问题_哔哩哔哩_bilibili
L1正则化的作用是使得大部分模型参数的值等于0,
L2正则化对于绝对值较大的权重予以很重的惩罚,对于绝对值很小的权重予以非常非常小的惩罚,当权重绝对值趋近于0时,基本不惩罚。
机器学习中的“维度”是什么? - 知乎 (zhihu.com)
【中字】张量Tensor是什么,有什么用?_哔哩哔哩_bilibili
关于batch_size和epoch的问题_哔哩哔哩_bilibili