Weights Update 与 Dropout
参数更新:Weights Update
在进一步学习之前,先看看我们将要覆盖的权重更新方法的效果,图片来源:http://cs231n.github.io/neural-networks-3/
学习率是怎么来的
相信有机器学习基础的读者都很熟悉一个式子: W−=λdW ,这里的 λ 就是学习率,那么这个式子是怎么来的呢?(小编不敢在众大神面前班门弄斧,只是跟大家分享下,如果有什么改进,还望提出哦,谢谢!)
在传统的机器学习方法中,我们所遇到的一般都是凸问题(可以想象这种问题的Loss Function就想一个大锅,存在最小值),因此如果我们想要达到最小的Loss,我们就需要沿着这个函数的梯度方向往下走(即梯度下降),那么梯度方向就是 dW|dW| ,走的步长就是常数 Δ ,这时就会发现,如果用