深度學習概念理解
1.訓練集：一組資料用來訓練模型
2.驗證集：一組資料，用來調整模型引數（交叉驗證）
3.測試集：與訓練集保持相同分布的一組分布，用來測試模型的好壞（不參與模型的引數調整）
4.batchsize：一次用來訓練的樣本數目。太小，不收斂；太大，訓練速度下降，記憶體也可能支援不住
5.epoch：簡單理解為全量訓練集的一次訓練，深度學習需要多輪這樣的訓練
6.iteration：迭代次數，這個次數是全量訓練集完成一次訓練的次數，2000的訓練集，batchsize=500，則iteration=2000／500=4
7.dropout：在訓練過程中，按照一定概率丟棄神經網路單元，達到防止過擬合的目的
深度學習 1
基本概念 訓練集，測試集 特徵值 監督學習 非監督學習 半監督徐熙 分類 回歸 概念學習 從某個布林函式的輸入輸出訓練樣例中推斷出該布林函式 例項集合x x 樣例 x 每乙個例項 c x 目標概念 學習目標 f x y 訓練集 training set data 訓練樣例training examp...
深度學習1
幾天無聊，看darknet的原始碼 1.學習率 訓練的時候看到輸出資訊沒有learning rate,進 看看，發現 network.c 裡面的get current rate net 就是獲取學習率的，列印出來的rate就是lr啦 另外，訓練densenet的時候，先burning in 1000...
深度學習1
收到的任務是用深度學習求解偏微分方程，所以只學習機器學習中的深度學習 這篇部落格是梳理整個學習框架，由機器學習的一些基本概念到深度學習，其中涉及到的一些小知識點分別寫在別的部落格中 1.機器學習分類 deep learning 屬於機器學習中監督學習的非線性模型 可是在後面的學習過程中，發現deep...