loving_coco的博客

  近似误差：可以理解为对现有训练集的训练误差。 近似误差，更关注于“训练”。  估计误差：可以理解为对测试集的测试误差。 估计误差，更关注于“测试”、“泛化”。  ...

转载自https://www.cnblogs.com/ohshit/p/5629581.html（1）条件概率公式        设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为：                     P(A|B)=P(AB)/P(B) （2）乘法公式       ...

转自https://blog.youkuaiyun.com/myarrow/article/details/518482851. 深度学习技巧简介    1）一次性设置（One time setup）          - 激活函数（Activation functions）          - 数据预处理（Data Preprocessing）          - 权重初始化（Weig...

转自：https://www.cnblogs.com/liuzhan709/p/9356960.html理解为什么要将全连接层转化为卷积层1.全连接层可以视作一种特殊的卷积考虑下面两种情况：特征图和全连接层相连，AlexNet经过五次池化后得到7*7*512的特征图，下一层全连接连向4096个神经元，这个过程可以看做有4096个7*7*512的卷积核和7*7*512的特征图进行卷积...

转自：https://blog.youkuaiyun.com/m0_38045485/article/details/82147817L1、L2正则化来源推导L1L2的推导可以从两个角度：带约束条件的优化求解（拉格朗日乘子法）贝叶斯学派的：最大后验概率1.1 基于约束条件的最优化对于模型权重系数w的求解释通过最小化目标函数实现的，也就是求解：首先，模型的复杂度可以用VC来衡量。通常情况下，...