深度学习入门笔记手稿(六)正则化输入

本文探讨了深度学习中正则化输入的重要性和方法,详细介绍了如何通过零均值化和归一化方差来加速神经网络的训练过程,确保训练集和测试集的一致性。

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

深度学习入门笔记手稿(六)正则化输入

正则化输入

训练神经网络其中一个加速训练方法就是归一化输入
假设训练集有两个输入特征x={x1,x2} 是一个二维的
归一化输入需两步,第一步零均值化 第二步 归一化方差(对x1方差比x2方差大很多的情况特别有效)具体如图中所示。
完成后,的均值和方差分别为0和1.
如果用归一化来调整训练数据,再用相同的归一化中的超参数归一化测试集,而不是在训练集和测试集上分别预估归一化中的超参数。

归一化中的超参数是由训练集数据计算得来的。在这里插入图片描述

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