首頁最新資訊

全部 人工智能學(xué)科動(dòng)態(tài) 人工智能技術(shù)資訊 人工智能常見問題 技術(shù)問答

    • 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)練開始前，對網(wǎng)絡(luò)的權(quán)重和偏置進(jìn)行初始化的過程。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>>

      人工智能常見問題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)練過程并提高模型的泛化性能。它在訓(xùn)練過程中對每一層的輸入進(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>>

      人工智能常見問題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)是通過構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)來實(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>>

      人工智能常見問題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)別競賽中取得了非常顯著的成績，引起了廣泛的關(guān)注。查看全文>>

      人工智能常見問題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>>

      人工智能常見問題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)練過程中，正則化是一種用來防止過擬合(overfitting)的技術(shù)。過擬合指的是模型在訓(xùn)練集上表現(xiàn)很好，但在未見過的數(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)練集和測試集上都能有良好的性能。查看全文>>

      人工智能常見問題2023-07-14 |黑馬程序員 |網(wǎng)絡(luò)訓(xùn)練,正則化,過擬合
和我們在線交談！