- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI部落联盟
收藏｜神经网络调试Checklist
读者可以参考stanford cs231n中的Gradient checking： https://cs231n.github.io/neural-networks-3/#gradcheck https 具体读者可以学习斯坦佛cs231n这个部分： https://cs231n.github.io/neural-networks-3/#anneal，另外关于学习率几个常用的网站： Pytorch：https
56520发布于 2021-05-11 - 来自专栏大数据文摘
资源 | 给卷积神经网络“修理工”的一份“说明书”
Gradient checks： http://cs231n.github.io/neural-networks-3/ 如果损失（Loss Value）没有改善… 如果你训练了几个周期，损失还是没有改善 参见此处的Train / Val准确率部分： http://cs231n.github.io/neural-networks-3/ 1. 实施数据扩充技术。
94110发布于 2018-09-20 - 来自专栏华章科技
关于深度学习，这57个专业术语，你必须得知道
一种自适应学习率方法（ADADELTA: An Adaptive Learning Rate Method） 技术博客：斯坦福 CS231n：优化算法（http://cs231n.github.io/neural-networks Methods for Online Learning and Stochastic Optimization） 技术博客：斯坦福 CS231n：优化算法（http://cs231n.github.io/neural-networks 技术博客：斯坦福CS231n类——用于视觉识别的卷积神经网络（http://cs231n.github.io/neural-networks-3/） 技术博客：理解用于自然语言处理的卷积神经网络（http PPT：用于机器学习的神经网络 讲座6a 技术博客：斯坦福CS231n：优化算法（http://cs231n.github.io/neural-networks-3/） 技术博客：梯度下降优化算法概述（ Methods for Online Learning and Stochastic Optimization） 技术博客：斯坦福CS231n：优化算法（http://cs231n.github.io/neural-networks
1.4K31发布于 2018-08-16 - 来自专栏专知
【干货】深度学习需要了解的四种神经网络优化算法
., “Deep Learning”, MIT Press, 2016 [2] Andrej Karpathy, http://cs231n.github.io/neural-networks-3/ [
1.5K50发布于 2018-04-12 - 来自专栏素质云笔记
R︱Softmax Regression建模 (MNIST 手写体识别和文档多分类应用)
关于优化算法这个帖子有很好的总结： http://cs231n.github.io/neural-networks-3/ 2.2 多类别的文档分类 Softmax regression模型的每个输入为一个文档
1.4K20发布于 2019-05-28 - 来自专栏编程
Adam那么棒，为什么还对SGD念念不忘（1）
(source: http://cs231n.github.io/neural-networks-3) 这一方法也称为NAG，即 Nesterov Accelerated Gradient，是在SGD、
1.3K50发布于 2018-01-29 - 来自专栏算法channel
BAT面试题38：梯度下降法找到的一定是下降最快的方向么？
附录 本篇文章参考了梯度下降优化算法概述 https://arxiv.org/abs/1609.04747 梯度下降 CS231n 课程教材 http://cs231n.github.io/neural-networks
2.9K30发布于 2019-07-17 - 来自专栏AI科技大本营的专栏
一文清晰讲解机器学习中梯度下降算法（包括其变式算法）
附录 本篇文章参考了梯度下降优化算法概述 https://arxiv.org/abs/1609.04747 梯度下降 CS231n 课程教材 http://cs231n.github.io/neural-networks
68820发布于 2018-04-26 - 来自专栏人工智能LeadAI
Kaggle—So Easy!百行代码实现排名Top 5%的图像分类比赛
参考资料 [1] https://www.kaggle.com/ [2] http://cs231n.github.io/neural-networks-3/ [3] https://github.com
2K90发布于 2018-03-09 - 来自专栏数据派THU
独家 | 你的神经网络不起作用的37个理由（附链接）
http://ufldl.stanford.edu/tutorial/supervised/DebuggingGradientChecking/ 2 http://cs231n.github.io/neural-networks
1.2K10发布于 2019-08-02 - 来自专栏AI科技大本营的专栏
AI 技术讲座精选：机器学习中梯度下降算法（包括其变式算法）简介
梯度下降 CS231n 课程教材（http://cs231n.github.io/neural-networks-3/）。
69340发布于 2018-04-26 - 来自专栏AI科技大本营的专栏
你的神经网络不起作用的37个理由
更多信息可参阅： http://ufldl.stanford.edu/tutorial/supervised/DebuggingGradientCheckinghttp://cs231n.github.io/neural-networks
1.3K00发布于 2019-10-10 - 来自专栏机器之心
从零开始：教你如何训练神经网络
（http://cs231n.github.io/neural-networks-3/）(http://cs231n.github.io/neural-networks-3/%EF%BC%89) [7]
82850发布于 2018-05-09 - 来自专栏灯塔大数据
塔荐 | 神经网络训练方法详解
（http://cs231n.github.io/neural-networks-3/）(http://cs231n.github.io/neural-networks-3/%EF%BC%89) [7]
1.6K80发布于 2018-04-03 - 来自专栏机器之心
机器学习算法如何调参？这里有一份神经网络学习速率设置指南
这个方法背后的思想是我们喜欢快速地从初始参数移动到一个参数值「好」的范围，但这之后我们又想要一个学习速率小到我们可以发掘「损失函数上更深且窄的地方」，（来自 Karparthy 的 CS231n 课程笔记：http://cs231n.github.io/neural-networks
2.1K40发布于 2018-05-09 - 来自专栏人工智能
从零开始教你训练神经网络
（http://cs231n.github.io/neural-networks-3/）(http://cs231n.github.io/neural-networks-3/%EF%BC%89) 第一部分
1.2K90发布于 2018-02-27 - 来自专栏机器学习算法与Python学习
独家 | 你的神经网络不起作用的37个理由（附链接）
http://ufldl.stanford.edu/tutorial/supervised/DebuggingGradientChecking/ 2 http://cs231n.github.io/neural-networks
1.1K20发布于 2019-08-09 - 来自专栏数据派THU
从零开始教你训练神经网络（附公式、学习资源）
（http://cs231n.github.io/neural-networks-3/）(http://cs231n.github.io/neural-networks-3/%EF%BC%89) [7]
1.9K100发布于 2018-01-30 - 来自专栏智能算法
理解这25个概念，你的人工智能，深度学习，机器学习才算入门！
http://cs231n.github.io/neural-networks-3/ 12）反向传播（Backpropagation）——当我们定义神经网络时，我们为我们的节点分配随机权重和偏差值。
967141发布于 2018-04-03 - 来自专栏null的专栏
梯度下降优化算法综述
如果你自己求梯度，那么，梯度检查是一个不错的主意（关于如何正确检查梯度的一些技巧可以参见http://cs231n.github.io/neural-networks-3/）。 Hinton的课程6c） 对于NAG的直观理解的另一种解释可以参见http://cs231n.github.io/neural-networks-3/，同时Ilya Sutskever在其博士论文
1.7K110发布于 2018-03-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号