《动手深度学习》权重衰退与丢弃法

一、权重衰退

1、使用均方范数作为硬性限制

通过限制参数值的选择范围来控制模型容量

通常不限制偏移b(限不限制都差不多)

小的θ意味着更强的正则项

2、使用均方范数作为柔性限制

3、参数更新法则

计算梯度

时间t更新参数

4、权重衰退通过L2正则项使得模型参数不会过大,从而控制模型复杂度

正则项权重控制模型复杂度的超参数

二、丢弃法

1、一个好的模型需要对输入数据的扰动鲁棒,使用有噪音的数据等价于Tikhonov正则,不同于在输入数据中加噪音,丢弃法是在层之间加入噪音

2、无偏差的加入噪音

对x加入噪音得到x',期望E[x']=x;

丢弃法对每个元素进行如下扰动

3、通常将丢弃法作用在隐藏全连接层的输出上

4、推理中的丢弃法

正则项只在训练中使用:他们影响模型参数的更新

在推理过程中,丢弃法直接返回输入h=dropout(h),这样也能保证确定性的输出

5、丢弃法将一些输出项随机置0来控制模型复杂度

常作用在多层感知机的隐藏层输出上

丢弃概率是控制模型复杂度的超参数

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值