档案 | 深度学习性能

深度学习是近代的一项发明。部分原因是计算能力的提高，使我们能够在神经网络中使用更多的感知器层。但与此同时，只有在我们知道如何解决梯度消失问题之后，才能训练深度网络。在本教程中，我们将直观地[...]

深度学习技能的需求量很大，尽管这些技能可能难以识别和展示。解释你熟悉某种技术或问题类型，与能够在真实数据集上有效使用开源API是截然不同的。也许最有效的展示方式是[...]

或者说，为什么使用随机梯度下降来训练神经网络。拟合神经网络涉及使用训练数据集更新模型权重，以创建从输入到输出的良好映射。这个训练过程通过一种优化算法来解决，该算法在神经网络可能的[...]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表。对于那些从训练数据集中增量学习的算法来说，学习曲线是机器学习中广泛使用的诊断工具。在训练期间每次更新后，可以在训练数据集和预留的验证数据集上评估模型[...]

鉴于开源库的广泛采用，深度学习神经网络的定义和训练相对直接。然而，神经网络的配置和训练仍然具有挑战性。在他2012年发表的题为“基于梯度的深度架构训练实用建议”的论文中（该论文作为预印本和2012年热门书籍《神经网络：[...]》的一章发表）[...]

神经网络模型使用随机梯度下降进行训练，模型权重使用反向传播算法进行更新。通过训练神经网络模型解决的优化问题非常具有挑战性，尽管这些算法因在实践中表现出色而被广泛使用，但不能保证它们会收敛到一个好的[...]

深度学习神经网络的配置和训练具有挑战性。数十年的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头脑中。最初于1998年出版，并于2012年在深度学习[...]的风口浪尖上更新的《神经网络：行业诀窍》一书[...]

更好的深度学习神经网络速成课程。7天内从您的深度学习模型中获得更好的性能。配置神经网络模型通常被称为“黑暗艺术”。这是因为没有硬性规定来为特定问题配置网络。我们无法通过分析计算出最优模型[...]

深度学习神经网络学习从输入到输出的映射函数。这是通过响应模型在训练数据集上犯的错误来更新网络权重实现的。更新会持续进行以减少这个错误，直到找到一个足够好的模型或学习过程[...]