![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
Lgqiann
山有木兮木无枝
展开
-
卷积神经网络CNN
卷积神经网络CNN为什么选择CNN?CNN基础 -- 边缘检测padding 填充Stride 滑动步长 为什么选择CNN? 传统神经网络结构存在两个缺点: (1) 当输入层维度较大时,导致网络权重 W 数值较大(一张 64x64 的三通道图片,神经网络输入层的维度为 12288),训练的神经网络结构较复杂【具体原因在本篇下文介绍】,训练网络所需的内存和计算量庞大,模型训练更加困难,且样本训练集不...原创 2020-03-02 11:50:28 · 427 阅读 · 0 评论 -
神经网络的优化方法总结
神经网络的优化方法总结优化神经网络一:使用正则化技巧提高模型的泛化能力优化神经网络二:梯度优化优化神经网络三:网络初始化技巧和超参数调优 由浅层的神经网络到层次较深的神经网络,单纯靠增加神经网络层数并不能有效提高模型的性能,此处将总结一些优化算法: 优化神经网络一:使用正则化技巧提高模型的泛化能力 常用的正则化方法如下所示: L1、L2 正则化 dropout 正则化 Data Augmenta...原创 2020-02-29 12:07:01 · 1701 阅读 · 0 评论 -
搭建浅层神经网络模型步骤总结
搭建浅层神经网络模型步骤总结1. 构建数据集2. 初始化4个变量3. 网络参数W和b的初始化4. 正向传播 (FP)5. 损失函数6. 反向传播 (BP)7. 根据梯度下降法对网络参数进行更新8. 循环迭代 1. 构建数据集 2. 初始化4个变量 - 确定样本个数 - 输入层神经元的个数 (样本的特征个数) - 隐藏层神经元的个数 - 输出层神经元的个数 3. 网络参数W...原创 2020-02-25 17:44:09 · 2179 阅读 · 0 评论