开发工具:
文件大小: 83kb
下载次数: 0
上传时间: 2021-02-17
详细说明：通过实时循环学习进行在线超参数优化
Daniel Jiwoong Im，Cristina Savin和Kyunghyun Cho提供的在线超参数优化（OHO）代码的Pytorch实现一种在线超参数优化算法，在理论上和实践上都渐近精确且在计算上易于处理。 我们的框架利用了递归神经网络（RNN）中超参数优化和参数学习之间的类比。 它为RNN改编了经过广泛研究的在线学习算法系列，可同时调整超参数和网络参数，而无需反复进行迭代优化。 与标准方法相比，此过程可在较短的时钟时间上系统地产生更好的泛化性能。
有关更多信息，请参见
article { Im2015 ,
title = { Generating Images with Recurrent Adversarial Networks } ,
author = { Im, Daniel Jiwoong and Kim, Chr
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
