qq_42246380的博客

用Tensorflow API：tf.kreas 可以用于快速搭建神经网络模型使用keras搭建网络模型的六步法：1.importimport相关模块，如tensorflow2.train，test告知要喂入网络的训练集和测试集是什么，也就是要指定训练集的输入特征x_train和训练集的标签y_train，还可以制定测试集的输入特征x_test和测试集的标签y_test3.model=tf.keras.models.Sequential在Sequential()中搭建网络结构，逐层描述每层网络

简介1 神经网络复杂度1.1 时间复杂度1.2 空间复杂度2 学习率策略2.1 指数衰减2.2 分段常数衰减3 激活函数3.1 sigmoid3.2 tanh3.3 ReLU3.4 Leaky ReLU3.5 softmax3.6 建议4 损失函数4.1 均方误差损失函数4.2 交叉熵损失函数4.3 自定义损失函数5 欠拟合与过拟合6 优化器6.1 SGD6.1.1 vanilla SGD6.1.2 SGD with Momentum6.1.3 SGD with

神经网络的计算过程——一文带你理解什么是神经网络；什么是神经网络？什么是损失函数？什么是梯度下降法？

学习tomcat过程中遇到的小问题~

关于反射机制

关于java线程和连携数据库mysql的代码（因为偷懒没记笔记呜呜呜）

深度学习中关于优化、梯度下降、数据增强、模型微调、优化算法、词嵌入等知识点的笔记。

异常处理、容器和泛型的相关知识点。

这次的笔记主要是关于类、对象、接口之类的知识以及两本java推荐书籍。

寒假学习java的笔记

一、过拟合、欠拟合及其解决方案欠拟合现象：模型无法达到一个较低的误差过拟合现象：训练误差较低但是泛化误差依然较高，二者相差较大应对欠拟合的方法• 换更复杂的模型；• 增加模型参数-应对过拟合的方法：• -增加训练样本• 权重衰减：通过为模型损失函数添加惩罚项使学出的模型参数值较小• 丢弃法：设置丢弃率p，则训练的过程中有p的概率的对参数清零，有1-p的概率的对参数进行拉伸；...

1.1线性回归学习笔记