![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
NNDL
文章平均质量分 95
又是忙碌的一天
这个作者很懒,什么都没留下…
展开
-
NNDL 作业12 优化算法2D可视化
SGD(Stochastic Gradient Descent,随机梯度下降)是一种常见的优化算法,用于训练神经网络等机器学习模型。它的核心思想是在每次迭代中随机选择一个样本来计算梯度,并更新模型参数。具体来说,SGD的过程可以分为以下几个步骤:随机选择一个样本。计算该样本的梯度。根据梯度更新模型参数。重复以上步骤,直到达到预定的迭代次数或其他停止条件。在实际应用中,SGD通常会结合一些技巧来提高其效率和稳定性,例如:学习率衰减:随着迭代次数的增加,逐渐降低学习率,使得模型参数更新更为平稳。原创 2023-12-24 15:45:41 · 906 阅读 · 0 评论 -
NNDL 作业7 基于CNN的XO识别
高级特征:高级特征是在中级特征的基础上进行更深层次的抽象和组合得到的特征,它们对应于更加抽象和复杂的语义概念,例如整个物体、物体之间的关系、场景语义等。性能几乎不变,但是在实验过程中,明显发现因为没有池化层对图像的压缩处理,图片到全连接层依旧还有 112*112的大小,那么就依旧需要112*112*5的参数,相比于具有池化层,不仅大大减少了参数的数量,并且大大提升了运行的效率。低级特征对应于图像的局部信息,能够帮助捕获图像中的细微结构和基本纹理特征,通常由卷积神经网络(CNN)中的浅层卷积层提取而来。原创 2023-11-13 21:45:13 · 56 阅读 · 0 评论