SEUer_jeff的博客

过拟合（原因、解决方案、原理） 作者：a819825294 1.定义 标准定义：给定一个假设空间H，一个假设h属于H，如果存在其他的假设h’属于H,使得在训练样例上h的错误率比h’小，但在整个实例分布上h’比h的错误率小，那么就说假设h过度拟合训练数据。 —-《Machine Learning》Tom M.Mitchell 2.出现过拟合的一些原因 （1）建模样本抽取错误，包括（但不

caffe转caffe2踩坑后的吐血经验分享

随着机器学习／AI的越来越热，相信很多公司算法岗所开发使用的模型也是越来越丰富，伴随的模型的增多一个很严酷的问题肯定会摆在越来越多的公司面前，线上使用的模型会越来越让服务器的内存空间吃紧且使用起来混乱。可能是借鉴了很多编程里面可以调用api调用函数／服务的方式的影响，google在去年提出了原生支持tensorflow的tensorflow serving工具包。它支持模型的热更新和自动版本管理管理。可以通过它让我们更加方便更加高效的部署线上的服务。