2019年11月15日

动手学深度学习14- pytorch Dropout 实现与原理

摘要： <! TOC "方法" "从零开始实现" "定义模型参数" "网络" "评估函数" "优化方法" "定义损失函数" "数据提取与训练评估" "pytorch简洁实现" "小结" <! /TOC 针对深度学习中的过拟合问题，通常使用丢弃法(dropout),丢弃法有很多的变体，本文提高的丢弃法特指倒置 阅读全文

posted @ 2019-11-15 17:00 多一点 阅读(4243) 评论(0) 推荐(1) 编辑

转 深度学习—过拟合问题

摘要： 1、过拟合问题 欠拟合：根本原因是特征维度过少，模型过于简单，导致拟合的函数无法满足训练集，误差较大； 解决方法：增加特征维度，增加训练数据； 过拟合：根本原因是特征维度过多，模型假设过于复杂，参数过多，训练数据过少，噪声过多，导致拟合的函数完美的预测训练集，但对新数据的测试集预测结果差。 过度的拟 阅读全文

posted @ 2019-11-15 14:30 多一点 阅读(300) 评论(0) 推荐(1) 编辑

导航