a704838294的博客

COCO数据集 检测 coco_label_map = { 0: ‘background’, 1: ‘person’, 2: ‘bicycle’, 3: ‘car’, 4: ‘motorcycle’, 5: ‘airplane’, 6: ‘bus’, 7: ‘train’, 8: ‘truck’, 9: ‘boat’, 10: ‘traffic light’, 11: ‘fire hydrant’, 13: ‘stop sign’, 14: ‘parking meter’, 15: ‘bench’, 16:

超参数的选择 目标： 调整模型的有效容量以匹配任务的复杂性，有效的容量包括3个因数：模型的表示容量，学习算法成功的最小化训练模型代价能力，以及代价函数和训练过程正则化模型的程度。 具有更多网络层，每层有更多隐藏单元的模型具有更多的表示能力。 泛化误差以某个超参数为变量，作为函数绘制出来，通常表现为u形曲线。 各种超参数对模型容量的影响 超参数 容量何时增加 原因 注意事项 隐藏...