李沐动手学深度学习pdf中文

liaojunrong 38 0 ZIP 2019-02-22 18:02:30

带有目录和书签文档，非常清晰，内容详细，最主要是中文版的

推荐下载

目录 Day02 1.过拟合,欠拟合及解决训练误差泛化误差过拟合过拟合解决方案欠拟合 2.梯度消失,梯度爆炸考虑环境因素协变量偏移标签偏移概念偏移 3.卷积神经网络基础 ALex

知识点协变量偏移标签偏移概念偏移协变量偏移在传统机器学习中,一个常见的问题的协变量偏移(Covariate Shift)。协变量是一个统计学概念,是可能影响预测结果的统计变量。在机器学习中,协变

权重衰减方法权重衰减等价于 L2 范数正则化(regularization)。正则化通过为模型损失函数添加惩罚项使学出的模型参数值较小,是应对过拟合的常用手段。 L2 范数正则化(regulari

过拟合、欠拟合及其解决方案 1.概念无法得到较低的训练误差称作欠拟合得到的误差极小即远小于训练集的误差称作过拟合 2.模型选择验证数据集从严格意义上讲,测试集只能在所有超参数和模型参数选定后使

Task03: 过拟合和欠拟合一类是模型无法得到较低的训练误差,我们将这一现象称作欠拟合(underfitting); 另一类是模型的训练误差远小于它在测试数据集上的误差,我们称该现象为过拟合(ov

使用全连接层的局限性: 图像在同一列邻近的像素在这个向量中可能相距较远。它们构成的模式可能难以被模型识别。对于大尺寸的输入图像,使用全连接层容易导致模型过大。使用卷积层的优势: 卷积层保留输入形状

LeNet模型1. LeNet模型2. PyTorch实现2.1 模型实现2.2 获取数据与训练 1. LeNet模型 LeNet分为卷积层块和全连接层块两个部分。下面我们分别介绍这两个模块。卷积层

卷积神经网络基础二维卷积层二维互相关运算二维互相关(cross-correlation)运算的输入是一个二维输入数组和一个二维核(kernel)数组,输出也是一个二维数组,其中核数组通常称为卷积

过拟合、欠拟合及其解决方案过拟合和欠拟合一类是模型无法得到较低的训练误差,我们将这一现象称作欠拟合(underfitting); 另一类是模型的训练误差远小于它在测试数据集上的误差,我们称该现象为

机器翻译及相关技术机器翻译和数据集机器翻译(MT):将一段文本从一种语言自动翻译为另一种语言,用神经网络解决这个问题通常称为神经机器翻译(NMT)。主要特征:输出是单词序列而不是单个单词。输出

用户评论

请输入评论内容

评分：

暂无评论