4.5 损失函数汇总
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
2.2 为什么MSE不能作为逻辑回归的损失函数？
...
2.6 二元交叉熵函数求梯度
...
1.4.3 过拟合现象-正则项
...
1.2梯度下降算法
...
1.5 波士顿房价线性回归实战
...
5.9 batch normalization
...
2.1 sigmoid函数性质
...
1.4.1 线性回归算法代码实战-1
...
1.6线性回归知识总结
...
4.1 全连接神经网络
...
7.1 循环神经网络介绍
...
3.1 softmax函数性质
...
6.11 迁移学习
...
6.7 卷积层参数个数的计算1
...
6.4 卷积神经网络总结
...
1.3 梯度下降算法代码实战
...
5.6 过拟合现象-由于模型结构复杂
...
6.3 卷积层详解
...
5.7 过拟合现象-早停法
...
3.6 多元交叉熵
...
6.2 卷积神经网络实战MNIST
...
6.8 卷积层参数个数的计算2
...
3.3 one-hot encoding独热编码详解
...
4.4 全连接神经网络总结
...
6.5 池化层详解
...
4.2 激活函数
...
3.4 线性回归-逻辑回归-softmax多分类对比详解
...
1.4.2 线性回归算法代码实战-2
...
5.2 L1正则项L2正则项
...
[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
...
7.3 词的向量化表示2
...
2.4信息量信息熵的概念
...
2.10 逻辑回归知识点回顾
...
3.2 softmax代码详解
...
5.1 过拟合现象
...
3.7 标准化与归一化
...
2.3 二元交叉熵-MSE与BinaryCrossEntropy对比
...
3.8 MNIST手写数字体识别数据归一化和扁平化
...
7.10 RNN过拟合+多层LSTM
...
7.11 文本生成项目-李白写诗