引言 這一節(jié)的筆記，主要講解除了SVM以外的另一種損失函數(shù)——softmax損失函數(shù)。 softmax損失函數(shù) 如上一小節(jié)的最后所言，在softmax損失函數(shù)中，我們將賦予這...
發(fā)簡(jiǎn)信
IP屬地：浙江
-
損失函數(shù)和優(yōu)化-損失函數(shù)（2） -
損失函數(shù)和優(yōu)化-損失函數(shù)（2）
引言 這一節(jié)的筆記，主要講解除了SVM以外的另一種損失函數(shù)——softmax損失函數(shù)。 softmax損失函數(shù) 如上一小節(jié)的最后所言，在softmax損失函數(shù)中，我們將賦予這...
-
圖像分類-線性分類I深度神經(jīng)網(wǎng)絡(luò) 將所需的神經(jīng)網(wǎng)絡(luò)以類似樂(lè)高搭積木的方式進(jìn)行組合，共同訓(xùn)練。 參數(shù)模型——線性分類器 線性分類器是參數(shù)模型中最簡(jiǎn)單的例子。 輸入32x32x3：32x32指高度和...
-
損失函數(shù)和優(yōu)化-損失函數(shù)（1）寫(xiě)在前面 這一節(jié)的內(nèi)容比較多，仔細(xì)理解以及整理起來(lái)也著實(shí)相較之前多費(fèi)了些力氣，但這些力氣都花得值得。 像這節(jié)中提到的“過(guò)擬合”和“正則化”，其實(shí)是非常常見(jiàn)而且基礎(chǔ)的問(wèn)題，但像...
-
損失函數(shù)和優(yōu)化-損失函數(shù)（1）
寫(xiě)在前面 這一節(jié)的內(nèi)容比較多，仔細(xì)理解以及整理起來(lái)也著實(shí)相較之前多費(fèi)了些力氣，但這些力氣都花得值得。 像這節(jié)中提到的“過(guò)擬合”和“正則化”，其實(shí)是非常常見(jiàn)而且基礎(chǔ)的問(wèn)題，但像...
-
@慕木七 屁股坐得疼，還沒(méi)新篇？
圖像分類-線性分類I
深度神經(jīng)網(wǎng)絡(luò) 將所需的神經(jīng)網(wǎng)絡(luò)以類似樂(lè)高搭積木的方式進(jìn)行組合，共同訓(xùn)練。 參數(shù)模型——線性分類器 線性分類器是參數(shù)模型中最簡(jiǎn)單的例子。 輸入32x32x3：32x32指高度和...
-
小板凳已坐好，靜等下一篇！
圖像分類-線性分類I
深度神經(jīng)網(wǎng)絡(luò) 將所需的神經(jīng)網(wǎng)絡(luò)以類似樂(lè)高搭積木的方式進(jìn)行組合，共同訓(xùn)練。 參數(shù)模型——線性分類器 線性分類器是參數(shù)模型中最簡(jiǎn)單的例子。 輸入32x32x3：32x32指高度和...
-
圖像分類-線性分類I
深度神經(jīng)網(wǎng)絡(luò) 將所需的神經(jīng)網(wǎng)絡(luò)以類似樂(lè)高搭積木的方式進(jìn)行組合，共同訓(xùn)練。 參數(shù)模型——線性分類器 線性分類器是參數(shù)模型中最簡(jiǎn)單的例子。 輸入32x32x3：32x32指高度和...
-
-
-
