动手学深度学习-李沐(8)

丢弃法是一种有效的深度学习正则化策略,旨在提高模型的泛化能力。通过在训练过程中随机关闭一部分神经元,减少层间依赖,防止过拟合。此方法常应用于多层感知机的隐藏层,丢弃概率作为超参数控制模型复杂度。丢弃法的使用可以保持期望输出不变,同时增加模型对输入扰动的鲁棒性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、dropout丢弃法

1、动机

一个好的模型需要对输入数据的扰动鲁棒

丢弃法:在层之间加入噪音——正则

2、方法

给定一个概率,一定概率变成0,一定概率使得元素变大

期望不发生变化

 3、使用

 4、总结

 丢弃法将一些输出项随机置0来控制模型复杂度

常作用在多层感知机的隐藏层输出上

丢弃概率来控制模型复杂度的超参数

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值