Публикации по теме dropout

Публикации по теме 'dropout'

Борьба с отсевом от переобучения модели

Переобучение модели - одно из самых больших опасений, которые испытывают специалисты по машинному обучению при обучении модели. Уловка заключается в том, что если модель была переобучена, действительно можно будет узнать, только когда она будет использоваться для данных за пределами обучающего набора. Переоснащение модели означает, что модель очень хороша для правильных прогнозов, но только тогда, когда они делают прогнозы на основе данных обучения. Модель бесполезна, если она работает с..

Меньше учись, чтобы учиться лучше - отказ от (глубокого) машинного обучения

Эта запись в блоге также является частью серии статей о глубоком обучении. Раньше я писал еще два поста - один о Инициализации веса , а другой о Языковой идентификации текста . Все сообщения являются самодостаточными, так что вы можете продолжить и прочитать этот и проверить другие, если хотите. В этом посте я в первую очередь расскажу о концепции отсева в нейронных сетях, особенно в глубоких сетях, а затем проведу эксперименты, чтобы увидеть, как это на самом деле влияет на практике..

Тестирование показателей отсева для машинного обучения с помощью FastAI

Продолжая свои приключения в области машинного обучения на курсах FastAI , я хотел изучить концепцию процента отсева . Если вы хотите, чтобы Jupyter Notebook использовался для этих тестов, включая полные аннотации о том, что и почему , ознакомьтесь с моим проектом машинного обучения на github . В частности, Тестирование показателей отсева (маленькие изображения).ipynb . Очень быстро коэффициент отсева – это метод в сверточных нейронных сетях (CNN) для удаления нейронов (..

Как отсев помогает избежать переобучения нейронных сетей?

Как мы знаем, имеет гибкость, если мы обучаем одну модель для N периодов, тогда она переоценивается, поскольку границы принятия решений очень гибкие. Таким образом, вместо того, чтобы обучать одну сеть для N-числа эпох, мы подгоняем все возможные различные нейронные сети к одному и тому же набору данных и усредняем прогнозы каждой модели. но это требует дополнительных вычислительных ресурсов, что на практике невозможно. Одна модель может использоваться для моделирования наличия большого..

Выбывший студент-медик в мире технологий

Я бросил медицинскую школу, но я был увлечен миром технологий и интересовался программированием. Я пытался получить больше знаний об этом мире, не посещая традиционные курсы колледжа. Поэтому я начал искать онлайн-курс и так наткнулся на Newton School. Я был впечатлен их основателями и курсом, и с него началось мое путешествие в программирование! Поначалу у меня были некоторые трудности, так как другие студенты пришли из сферы технологий и знали этот контекст, а я нет. Честно говоря,..

Все, что вам нужно знать о регуляризации

Причины переобучения и как регуляризация его улучшает Алиса : Привет, Боб !!! Я тренировал свою модель в течение 10 часов, но моя модель дает очень плохую точность, хотя она работает исключительно хорошо с данными обучения. В чем проблема? Боб: Ой !! Кажется, ваша модель переоснащается данными обучения. Вы использовали регуляризацию? Алиса: Что это? Подобные проблемы, связанные с переобучением, распространены в машинном обучении, и есть много способов избежать таких..

Эффект регуляризации при обучении нейронной сети

в соавторстве с Дэрилом Чангом Добро пожаловать в еще одну часть нашей серии экспериментов по глубокому обучению, в которых мы проводим эксперименты для оценки общепринятых предположений об обучении нейронных сетей. Наша цель - лучше понять различные варианты дизайна, которые влияют на обучение и оценку модели. Для этого мы придумываем вопросы по каждому варианту дизайна, а затем проводим эксперименты, чтобы ответить на них. В этой статье мы стремимся лучше понять влияние..