- 博客(3)
- 收藏
- 关注
RSS订阅原创 动手学深度学习PyTorch-打卡3
一、数据增强 大规模数据集是成功应用深度神经网络的前提。图像增广（image augmentation）技术通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模。图像增广的另一种解释是，随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的泛化能力。例如，我们可以对图像进行不同方式的裁剪，使感兴趣的物体出现在不同位置，从而减轻模型对物体出现位置的依赖性。我们...
2020-02-24 20:30:24
786
原创 动手学深度学习PyTorch-打卡2
一、过拟合、欠拟合及其解决方案 训练误差和泛化误差 区分训练误差（training error）和泛化误差（generalization error）。通俗来讲，前者指模型在训练数据集上表现出的误差，后者指模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。计算训练误差和泛化误差可以使用之前介绍过的损失函数，例如线性回归用到的平方损失函数和softmax回归用到的交...
2020-02-18 15:00:48
1817
原创 动手学深度学习PyTorch-打卡1
一、线性回归 线性回归的基本要素 模型 数据集 我们通常收集一系列的真实数据，例如多栋房屋的真实售出价格和它们对应的面积和房龄。我们希望在这个数据上面寻找模型参数来使模型的预测价格与真实价格的误差最小。在机器学习术语里，该数据集被称为训练数据集（training data set）或训练集（training set），一栋房屋被称为一个样本（sample），其真实售出价格叫作标签（label），...
2020-02-14 16:46:11
353
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人