V
主页
1.4.3 过拟合现象-正则项
发布人
打开封面
下载高清视频
观看高清视频
视频下载器
5.6 过拟合现象-由于模型结构复杂
5.7 过拟合现象-早停法
5.2 L1正则项L2正则项
看完秒懂的AI基础概念,不服请回怼!通过有趣贴切的例子一口气讲清楚40多个常见AI概念和工业界AI发展脉络。过拟合,梯度消失,残差,transformer等等
5.1 过拟合现象
7.10 RNN过拟合+多层LSTM
5.8 早停法参数
4.5 损失函数汇总
2.10 逻辑回归知识点回顾
5.3 过拟合现象-由于数据匮乏造成的过拟合
5.4 Data augmentation数据增强
2.2 为什么MSE不能作为逻辑回归的损失函数?
1.4.1 线性回归算法代码实战-1
2.6 二元交叉熵函数求梯度
[损失函数设计] 为什么多分类问题损失函数用交叉熵损失,而不是 MSE
6.8 卷积层参数个数的计算2
6.7 卷积层参数个数的计算1
6.11 迁移学习
1.7回归与分类+机器学习分类
1.2梯度下降算法
1.3 梯度下降算法代码实战
1.4.2 线性回归算法代码实战-2
即将开学,模型性能却一直没达标,调参也没有思绪,不想被导师push该怎么突破科研进度啊? -人工智能/深度学习/机器学习
5.9 batch normalization
6.6 应用CNN对CIFAR-10分类
2.9 逻辑回归项目(泰坦尼克号)实战详解-加速运算技巧
4.3 使用keras构建全连接神经网络
1.5 波士顿房价线性回归实战
1.6线性回归知识总结
6.1. 神经网络优化知识回顾mp4
3.6 多元交叉熵
3.2 softmax代码详解
7.1 循环神经网络介绍
2.7 二元交叉熵代码实战讲解
6.5 池化层详解
7.8 LSTM长短记忆循环神经网络
1.3机器学习做什么
4.4 全连接神经网络总结
1.1机器学习简介
2.3 二元交叉熵-MSE与BinaryCrossEntropy对比