或者，为什么随机梯度下降用于训练神经网络。拟合神经网络涉及使用训练数据集来更新模型权重，以创建良好的输入到输出映射。这个训练过程通过一个优化算法来解决，该算法在神经网络的可能值空间中进行搜索 […]

学习曲线是模型学习性能随经验或时间变化的图。学习曲线是机器学习中广泛使用的诊断工具，用于渐进式从训练数据集中学习的算法。模型可以在训练过程中每个更新后，在训练数据集和保留的验证数据集上进行评估 […]

鉴于开源库的广泛采用，深度学习神经网络相对容易定义和训练。尽管如此，配置和训练神经网络仍然具有挑战性。在他 2012 年题为“深度架构的梯度训练实用建议”的论文中，该论文作为预印本和 2012 年热门书籍“神经网络”的章节发表 […]

神经网络模型使用随机梯度下降进行训练，并使用反向传播算法更新模型权重。训练神经网络模型所解决的优化问题非常具有挑战性，尽管这些算法由于在实践中表现良好而得到广泛使用，但无法保证它们会收敛到良好的 […]

深度学习神经网络的配置和训练具有挑战性。几十年来，技巧和窍门散布在数百篇研究论文、源代码以及学者和从业者的脑海中。该书《神经网络：技巧》最初于 1998 年出版，并于 2012 年在深度 […]

深度学习神经网络速成课。在 7 天内提高深度学习模型的性能。配置神经网络模型通常被称为“玄学”。这是因为对于针对特定问题配置网络没有硬性规定。我们无法解析地计算出最佳模型 […]

深度学习神经网络学习从输入到输出的映射函数。这是通过在模型对训练数据集的错误做出响应时更新网络的权重来实现的。更新的目的是持续减少此错误，直到找到足够好的模型或学习过程 […]

深度学习神经网络模型的容量控制着它能够学习的映射函数类型。容量太小的模型无法学习训练数据集，意味着它会欠拟合；而容量太大的模型可能会记住训练数据集，意味着它会过拟合 […]