regularized

    3熱

    1答えて

    caffeのL2正則化、ラザニアからの変換

    私はラセーガンコードを持っています。私はcaffeを使って同じネットワークを作りたいと思っています。私はネットワークを変換することができます。しかし、私はlasagneのhyperparametersの助けが必要です。ラザニアのハイパーパラメータは次のようになります。 lr = 1e-2 weight_decay = 1e-5 prediction = lasagne.layers.get_
    deep-learning caffe lasagne regularized 2017-01-11

    1熱

    2答えて

    後でケラス層の属性を設定する

    モデル出力テンソルを分析する必要があるカスタマイズされた正規化器があります。基本的に私はこのように置くことはできません。 model = Sequential() model.add(Dense(128, name="dense_1", W_regularizer=Custom(0.1))) model.add(Dense(nb_classes, name='dense_2')) model
    python deep-learning keras regularized 2017-03-06

    0熱

    1答えて

    ミニバッチ更新でL1正規化を実行する

    現在、私はNeural Networks and Deep Learningを読んでおり、問題が残っています。問題は、彼がL2正則化の代わりにL1正則化を使用するために与えたコードを更新することです。 L2正則化を使用するコードの元の部分である： self.weightsをL2正則用語を使用して更新されることが分かる def update_mini_batch(self, mini_batch,
    python neural-network gradient-descent regularized mini-batch 2017-06-19

    0熱

    2答えて

    TensorFlowバックエンドでKerasを使用した場合のドロップアウト

    ドロップアウトのKeras実装について読んでいますが、dropoutと言っても逆ドロップアウトバージョンを使用しているようです。ここで は、私がKerasとTensorflowドキュメントを読んだとき、私は理解しているものです： 私はDropout(0.4)を指定すると0.4は、その層内のすべてのノードが0.4であることを意味するドロップさの40％のチャンスがあることを意味しますドロップ確率。した
    python-3.x tensorflow keras regularized 2017-09-26

    -1熱

    1答えて

    正規化を追加すると遅くて悪いパフォーマンスが発生する

    より正則化（例えば1から10までのL2正則化パラメータ、または0.75から0.5への脱落パラメータ）を追加すると、遅く悪化したパフォーマンスが得られます（例：97-98％ 3000〜4000回の反復で、3000〜4000回の反復で94〜95％の試験精度しか得られない）。おそらくこれが起こる理由はありますか？私はすべてが正しく実装されていることを確認できます。ありがとうございました！ 編集：私のプロ
    performance machine-learning neural-network conv-neural-network regularized 2017-08-13

    0熱

    1答えて

    サンプルの正則化と機械学習の完全なデータセット

    最近、ディープラーニングの場合、データを追加すると正則化は必要ないと説明したビデオを見ました。 これは、この文は、ランダムフォレストのような「通常の」機械学習アルゴリズムを保持していると言われていますか？もしそうなら、アルゴリズムの最適なハイパーパラメータを検索するとき、理論的には、入力データセットとして（もちろん、クロスバリデーションセットなどに分かれています）たくさんのデータを持っている必要が
    machine-learning deep-learning random-forest regularized 2017-02-01

    3熱

    1答えて

    Kerasではweight_regularizerとactivity_ regularizerの違い

    正則化では通常、大きな重みにペナルティをかけるためにk * w^2を損失に追加することを理解しています。しかし、Kerasには、2つの正則化パラメータ、weight_regularizerとactivity_ regularizerがあります。違いはなんですか？
    keras regularized 2016-12-22

    0熱

    2答えて

    Pytorchの正則化者としてのL1ノルム

    私のニューラルネットワークで希薄状態を作成するためには、正規化としてL1ノルムを追加する必要があります。私は分類にネットワークを訓練したいと思います。私は希薄状態を作成するために正則化者としてL1ノルムを追加する必要があります。私は分類のためにネットワークを訓練する必要があります。そして、私はpytorchから始めています。 hereのように自分でL1ノルムを構築しようとしましたが、うまくいきませ
    keras torch pytorch regularized 2017-10-17

    1熱

    1答えて

    畳み込みニューラルネットワークのL2正規化コスト関数の実装方法

    数字分類のためにCNNモデルを実装しました。私のモデルはあまりにも多くの問題を抱えています。オーバーフィットを克服するために、私はコスト関数にL2 Regularizationを使用しようとしています。私は小さな混乱を持っています <weights>を選択してコスト方程式（コードの最終行）を入れる方法を教えてください。 ... x = tf.placeholder(tf.float32, sh
    tensorflow computer-vision conv-neural-network regularized 2017-10-20
最新の質問