人终其一生是在干嘛呢
找到一个合适的位置 坐下去或躺下来？
不去问询 主观地感受 接纳后悔与遗憾
脚踏实地 客观地实践 接纳挫折与失败
这世界只是一个游乐场
记住 是为了体验而来 不要沉沦于瞬时的喜悲
精力旺盛一点就选刺激一些的游乐设施
感觉累了想休息就选择平稳一些的游乐设施
生活的复杂在于场景多样无法应用固定的假设
样本是有极大偏差的
样本本身的取值与样本量的大小
会影响个人认知
对于个体而言 只是因为遇上了
本来不大概率 就认定是必然的 未免过于独断
都是小样本学习 就得活用迁移
挖掘自己独有特征 抓大放小
升维或者降维(无任何褒贬之义) 调参
不断迭代自己的模型
去拟合一条自己人生路的函数叭
人终其一生是在干嘛呢 找到一个合适的位置 坐下去或躺下来？ 不去问询 主观地感受 接纳后悔与遗憾 脚踏实地 客观地...
1首先是数据增强，因为正常情况下，数据量往往不够，因此需要通过裁剪 2数据预处理，pca，normalizatio...
参数更新 神经网络的学习目的是找到使损失函数尽可能小的参数,即解决一个最优化问题.但是由于神经网络参数空间过于复杂...
死亡的神经元占的比例 RELU 文中给出了一种针对ReLU神经元的特殊初始化，并给出结论：网络中神经元的方差应该是...
转载https://www.sohu.com/a/241208957_787107 基本原则:快速试错 一些大的注...
1.lr用1e-2-1e-3结果较好。lr值小的话，上升test auc会比较慢，但最后结果说不定会比lr大要好。...
我们平时一直都在说“调参、调参”，但实际上，不是调“参数”，而是调“超参数” 1.参数（Parameter） 参数...
｜公｜众｜号｜包包算法笔记｜ 背景 事情的起因其实这样，实验室老同学的论文要冲分，问我有没有啥在NN上，基本都有用...
1 模型原理及调参参考 调参：XGBoost参数调优完全指南原理：xgboost入门与实战（原理篇） 2 输出基线...
今天看了下之前做的一个异步处理任务的服务，发现占用内存量比较大，达到2G，但我检查了代码，基本没有static对象...
本文标题：游乐场里调参
本文链接：https://www.haomeiwen.com/subject/rnuntdtx.html
网友评论