全部 人工智能學(xué)科動(dòng)態(tài) 人工智能技術(shù)資訊 人工智能常見(jiàn)問(wèn)題 技術(shù)問(wèn)答

• • 

    神經(jīng)網(wǎng)絡(luò)參數(shù)初始化方法有哪些，適用范圍是什么?

    神經(jīng)網(wǎng)絡(luò)參數(shù)初始化是在神經(jīng)網(wǎng)絡(luò)訓(xùn)練開(kāi)始前，對(duì)網(wǎng)絡(luò)的權(quán)重和偏置進(jìn)行初始化的過(guò)程。不同的參數(shù)初始化方法可以影響神經(jīng)網(wǎng)絡(luò)的收斂速度和訓(xùn)練性能。查看全文>>

    人工智能常見(jiàn)問(wèn)題2023-08-01 |黑馬程序員 |神經(jīng)網(wǎng)絡(luò),參數(shù)初始化,隨機(jī)初始化
  • 

    Batch Normalization有什么作用?使用時(shí)需要注意什么?

    Batch Normalization(批歸一化)是深度學(xué)習(xí)中一種常用的技術(shù)，其主要目的是加速神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程并提高模型的泛化性能。它在訓(xùn)練過(guò)程中對(duì)每一層的輸入進(jìn)行歸一化操作，從而減少梯度消失和梯度爆炸問(wèn)題，以及增加網(wǎng)絡(luò)的穩(wěn)定性和收斂速度。查看全文>>

    人工智能常見(jiàn)問(wèn)題2023-07-27 |黑馬程序員 |Batch Normalization,梯度爆炸,模型泛化
  • 

    深度學(xué)習(xí)的先決條件是什么?

    深度學(xué)習(xí)是一種機(jī)器學(xué)習(xí)方法，其目標(biāo)是通過(guò)構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)自動(dòng)化的特征學(xué)習(xí)和模式識(shí)別。要理解深度學(xué)習(xí)的先決條件，您需要對(duì)以下幾個(gè)關(guān)鍵概念和技術(shù)有一定的了解。查看全文>>

    人工智能常見(jiàn)問(wèn)題2023-07-26 |黑馬程序員 |深度學(xué)習(xí),先決條件,神經(jīng)網(wǎng)絡(luò)
  • 

    ResNet解決了什么問(wèn)題?結(jié)構(gòu)有何特點(diǎn)?

    ResNet(Residual Network)是由Kaiming He等人提出的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，它在2015年的ImageNet圖像識(shí)別競(jìng)賽中取得了非常顯著的成績(jī)，引起了廣泛的關(guān)注。查看全文>>

    人工智能常見(jiàn)問(wèn)題2023-07-21 |黑馬程序員 |ResNet,殘差塊,跳躍鏈接
  • 

    Batch Normalization有什么作用?使用時(shí)需要注意什么?

    在人工智能領(lǐng)域中，Batch Normalization(批歸一化)是一種常用的技術(shù)，它的作用是加速神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程，并提高模型的性能。以下是Batch Normalization的主要作用和需要注意的事項(xiàng)：查看全文>>

    人工智能常見(jiàn)問(wèn)題2023-07-19 |黑馬程序員 |Batch Normalization,模型穩(wěn)定性,收斂速度
  • 

    網(wǎng)絡(luò)訓(xùn)練時(shí)為何要加正則化，有哪些手段?

    在網(wǎng)絡(luò)訓(xùn)練過(guò)程中，正則化是一種用來(lái)防止過(guò)擬合(overfitting)的技術(shù)。過(guò)擬合指的是模型在訓(xùn)練集上表現(xiàn)很好，但在未見(jiàn)過(guò)的數(shù)據(jù)上表現(xiàn)較差的情況。正則化的目標(biāo)是使模型在訓(xùn)練集和測(cè)試集上都能有良好的性能。查看全文>>

    人工智能常見(jiàn)問(wèn)題2023-07-14 |黑馬程序員 |網(wǎng)絡(luò)訓(xùn)練,正則化,過(guò)擬合
  << < 1 2 3 4 5 6 7 8 9 10 ...12 > >>