zoukankan      html  css  js  c++  java
  • 深度学习入门2

    ---恢复内容开始---

    title: why batch norm work

    没太理解

    title: softmax regression

    多分类问题,输出层变成一个n维向量,有几个类就几维,每一个元素对应属于这个类的概率

    softmax激活函数,挺简单的啊

    softmax这一层,本身是划分线性边界的

    title: deep learning frameworks

    选择框架的标准,编程的简洁性,运行的速度,真正的开源

    tensorflow里面,只需要显式的指明正向传播,反向传播是框架会帮我算的

    第三系列课程:structing machine learning projects

    title: why ML strategy

    因为网络中,可以调整的东西太多了,激活函数,层数,节点数,数据集,学习率等等

    如果瞎试的话,效率很低

     

    title:orthogonalization

    正交化,代表一种思想,对于每一个参数的调整,刚好对应系统某一方面的表现的变化,这样的话我们才好做tuning

    title: single number evaluation metric

    选一个最关注的指标,以此为标准训练模型

    title: satisficing and optimizing metric

    满足指标,比如运行时间,低于某一个阈值就可以了,

    优化指标,比如准确率,越高越好,

    ---恢复内容结束---

    title: why batch norm work

    没太理解

    title: softmax regression

    多分类问题,输出层变成一个n维向量,有几个类就几维,每一个元素对应属于这个类的概率

    softmax激活函数,挺简单的啊

    softmax这一层,本身是划分线性边界的

    title: deep learning frameworks

    选择框架的标准,编程的简洁性,运行的速度,真正的开源

    tensorflow里面,只需要显式的指明正向传播,反向传播是框架会帮我算的

    第三系列课程:structing machine learning projects

    title: why ML strategy

    因为网络中,可以调整的东西太多了,激活函数,层数,节点数,数据集,学习率等等

    如果瞎试的话,效率很低

     

    title:orthogonalization

    正交化,代表一种思想,对于每一个参数的调整,刚好对应系统某一方面的表现的变化,这样的话我们才好做tuning

    title: single number evaluation metric

    选一个最关注的指标,以此为标准训练模型

    title: satisficing and optimizing metric

    满足指标,比如运行时间,低于某一个阈值就可以了,

    优化指标,比如准确率,越高越好,

  • 相关阅读:
    springboot(六):如何优雅的使用mybatis
    springboot(四):thymeleaf使用详解
    springboot(三):Spring boot中Redis的使用
    springboot(二):web综合开发
    Springboot(一):入门篇
    js判断对象的某个属性是否存在
    查看node.js全局安装的插件路径
    切片地图服务器
    element ui loading加载开启与关闭
    vue 引入 leaflet1.4.0
  • 原文地址:https://www.cnblogs.com/zherlock/p/10974734.html
Copyright © 2011-2022 走看看