1回答
我认为我仍然在努力理解Tensorflow框架，以及如何以正常的数组和numpy的方式操作它。有了损失，我就有了预测值和真实值: y_pred和y_true，我想迭代y_pred值并为它赋值1或0，对于根据一些更小、<或更大、>的条件的损失函数。else:
return test * y_true
浏览 21提问于2021-01-30得票数 1
回答已采纳
1回答
机器学习中损失函数的图形来自哪里？我正在学习关于机器学习的知识。我有时不理解使用正则化项进行优化的模型。在正则化的解释中，可能会出现如下图。
y = w1x1 + w2x2
为了简单起
浏览 24提问于2020-02-26得票数 1
现在，我正在测试正则化以及如何使用它们。在我看来，在有和没有正则化的训练课上，损失历史的结果似乎增加了正则化的术语，对吗？当我的模型没有正则化项时，损失值从小于1开始，但是当我用正则化(L1L2)对模型进行再训练时，相同问题的损失<
浏览 0提问于2018-08-12得票数 2
回答已采纳
3回答
什么是体重衰减？
、、、
我最近开始学习ML和TensorFlow。在浏览网站上的时，我看到了一段让我有点困惑的段落：
训练网络进行N维分类的常用方法是多项式logistic回归。softmax回归Softmax回归将一个softmax非线性应用于网络的输出，并计算归一化预测和标签的1-热编码之间的交叉熵。对于正则化，我们还将通常的质量衰减损失应用于所有学习变量。模型<
浏览 14提问于2017-08-07得票数 2
回答已采纳
1回答
Keras自定义损失计算不正确
、、、、
我正在尝试使用Keras中的自定义损失函数。我的实现类似于： ...)时，我得到的输出如下：1/2 [==============>...............] - ETA: 76s - loss: 482.6910 - category_loss00 - val_confidence_loss: 400.0000 - val_local_loss: 6.5036 - val_tot_lo
浏览 7提问于2018-01-29得票数 3
回答已采纳
1回答
我在Python中实现了梯度下降，使用MSE作为损失函数执行正则化多项式回归，但在线性数据上(以证明正则化的作用)。所以我的模型在表格下面：在我的损失函数中，R代表正则化项：让我们以L2-范数作为正则化，损失函数w.
浏览 2提问于2019-12-27得票数 1
回答已采纳
1回答
当使用Tensorflow对象检测API训练对象检测DNN时，它的可视化平台Tensorboard绘制了一个标量regularization_loss_1谢谢!
浏览 2提问于2018-01-25得票数 25
回答已采纳
1回答
我目前正在使用一个稀疏自动编码器，我所理解的是，我们不需要所有隐藏单元为每个输入触发，而是根据输入类型的不同一些特定的隐藏单元。为此，我们在损失函数中添加了一个稀疏正则化项。但我无法理解如何将这个正则化项添加到损失函数中，以帮助我们阻止某些隐藏的单位触发？。
浏览 2提问于2020-05-12得票数 0
1回答
现在，如果我使用Keras实现二进制交叉熵损失()来训练这个模型，我可以肯定在计算损失时会考虑到我指定的L2正则化。但是，在我的示例中，除了y_true和y_pred之外，还有一个自定义丢失函数需要其他几个参数，这意味着我无法将这个函数作为model.compile(...)的loss参数的参数传递(实际上，我甚至不调用重复
我的问题是:正规化</
浏览 1提问于2020-09-18得票数 3
回答已采纳
在机器学习成本函数中，如果我们想要最小化两个参数的影响，比如theta3和theta4，似乎我们必须给出一个很大的正则化参数值，就像下面的等式一样。
我不太确定为什么更大的正则化参数会减少而不是增加影响。这个函数是如何工作的？
浏览 0提问于2017-06-25得票数 4
1回答
L1正则化在代价函数中增加了一个惩罚项，以限制权重的大小。我是否正确理解这个惩罚成本函数只用于优化步骤，而不是计算模型的损失？例如，为了在验证集中计算模型的损失，需要使用非惩罚损失函数？
浏览 0提问于2018-10-23得票数 1
回答已采纳
我正在试着在sklearn中调优的超参数，想知道l2_regularization的可能值是什么，其余的参数网格看起来像这样- 'learning_rate': [max_iter': [1000, 1200], 'max_depth': [None, 10, 20]在这里，.12和1000次迭代的学
浏览 121提问于2021-06-12得票数 0
回答已采纳
几个月前，我问了一个关于复制构造函数和赋值运算符的问题，但我并没有真正解决它，现在我又被同样的问题卡住了。我必须实现一个包含指针的类的复制构造函数、赋值运算符和析构函数，并且实现必须是类似于值的，即不同的对象不能指向同一个变量。= &b){ delete item;
浏览 13提问于2019-12-10得票数 0
回答已采纳
我想我理解了自动编码变分贝叶斯的论文。我正在阅读一些实现这篇论文的tensorflow代码。但我不理解他们在这些代码中的损失函数。由于许多代码都是以相同的方式编写的，所以可能我错了。Loss_func
浏览 12提问于2017-08-08得票数 2
回答已采纳
1回答
查看L2正则化程序的代码，我理解它意味着对任何不是零的东西都要进行惩罚。换句话说，允许避免这种惩罚的理想张量应该只包含零。我是否正确理解这个概念？
浏览 1提问于2022-07-03得票数 0
回答已采纳
2回答
我想问一个关于以下方程式的问题：我使用它将传入的值限制在给定无符号整数类型的最小值的步长内我已经使用它一段时间了，并且工作得很好，直到最近我发现它可以产生意想不到的结果。下面的程序演示了我的观点：#include <cstdio>
#include <cstdlib&g
浏览 1提问于2015-08-04得票数 2
2回答
我知道，当使用内核正则化，特别是l2丢失时，我应该将它添加回丢失函数中，这就是在其他帖子中所做的。然而，在Keras中，他们没有遵循这个过程。为何会这样呢？
例如，考虑和笔记本。他们在一些层中使用l2丢失作为核心正则化，但没有添加到原始丢失中。这是因为特殊的损失，还是仅仅是Keras的行为，还是我完全误解了一切？
浏览 0提问于2018-12-30得票数 2
回答已采纳
2回答
我最近读到了一篇题为"REGULARIZING NETWORKS BY PENALIZING OUTPUT DISTRIBUTIONS https://arxiv.org/abs/1701.06548"“的论文作者讨论了通过向负对数似然添加负熵项来惩罚低熵输出分布以及为模型训练创建自定义损失函数来对神经网络进行正则化。 ? 值β控制置信度惩罚的强度。我已经为分类交叉熵编写了一个自定义<
浏览 33提问于2021-08-24得票数 5
回答已采纳
3回答
这似乎是个愚蠢的问题，但我就是想不出一个合理的答案。f(x) = Wx
模型的复杂性在某种程度上是明确的:它是线性的，不是二次型的，也不是更复杂的。那么，为什么我们仍然需要对参数进行正则化呢？在这种情况下，我们为什么更喜欢较小的重量呢？
浏览 3提问于2016-01-14得票数 9
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
