摘要： 原因1-在训练中应用正则化（加了正则项），但在验证/测试中未应用正则化 正则化方法通常会牺牲训练准确性来提高验证/测试准确性——在某些情况下，可能导致验证loss低于训练loss。原因2-训练loss是在每个epoch测量的，而验证loss是在每个epoch后测量的 在整个epoch内，您的训练lo 阅读全文

摘要： https://blog.csdn.net/yufeilongyuan/article/details/91440535 阅读全文

摘要： https://blog.csdn.net/chaipp0607/article/details/79036312 阅读全文

摘要： 0-为什么卷积层往往会有多个卷积核？ 因为权值共享后意味着每一个卷积核只能提取到一种特征，为了增加CNN的表达能力，当然需要多个核，不幸的是，它是一个Hyper-Parameter。 1-如何理解卷积神经网络中的（卷积核）权值共享？ xxxxxxxxxxxxxxxxxxx 2-为什么卷积神经网络里可 阅读全文

摘要： 链接：https://yq.aliyun.com/articles/610509 阅读全文

摘要： 您的CPU支持未编译此TensorFlow二进制文件以使用的指令:AVX2 如果是初学者 或者 没有太大计算速度的需求，在开头加上这两行忽略这个提示即可 import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' 说明： os.environ["TF_CPP 阅读全文

摘要： one-hot编码把分类数据转化为二进制格式，供机器学习使用。 阅读全文

摘要： 1 抽象成数学问题 明确问题是进行机器学习的第一步。机器学习的训练过程通常都是一件非常耗时的事情，胡乱尝试时间成本是非常高的。 这里的抽象成数学问题，指的明确我们可以获得什么样的数据，抽象出的问题，是一个分类还是回归或者是聚类的问题。 2 获取数据 数据决定了机器学习结果的上限，而算法只是尽可能逼近 阅读全文

摘要： 通常机器学习每一个算法中都会有一个目标函数，算法的求解过程是通过对这个目标函数优化的过程。 在分类或者回归问题中，通常使用损失函数（代价函数）作为其目标函数。 损失函数用来评价模型的预测值和真实值不一样的程度，损失函数越好，通常模型的性能越好。不同的算法使用的损失函数不一样。 损失函数分为经验风险损 阅读全文

摘要： HDFS架构简述 一、HDFS简介 HDFS（Hadoop distributed File System）：Hadoop分布式文件系统。是基于流数据模式访问和处理超大文件的需要而开发的，可以运行于廉价的服务器上。它所具有的高容错，高可靠性，高可扩展性，高获得性，高吞吐率等特征为海量数据提供了不怕故 阅读全文