开发工具:
文件大小: 40kb
下载次数: 0
上传时间: 2021-01-20
详细说明：疑问及思考：对于梯度爆炸与梯度消失的影响理解还不透彻，只知道多层神经网络后梯度可能趋于非常大或者接近0 的值， 但实际上呢？例如权重裁剪，可以解决爆炸的问题吗？会不会反而带来了梯度消失的问题？这种是不是得通过实验来获得感性认识。
过拟合、欠拟合以及解决方案； 梯度消失梯度爆炸；循环神经网络进阶
训练集、验证集、测试集
验证集与测试集的差异
验证集用于调参，而测试集仅仅用于评价模型好坏，不能用于调参
而测试集往往较大， 大于训练集与验证集
过拟合解决
drop out， 以一定概率关闭一层内的神经元，降低对某些神经元的依赖，从而提高鲁棒性
k 折， 通过k折法来调参选参
权重衰减， L2范数正则
(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.
