指数滑动平均EMA

指数移动平均(EMA)在深度学习中用于维护影子权重,提供更平滑的模型更新,提升测试数据上的表现。在训练过程中,权重不参与更新,而在测试时使用影子权重,增加模型鲁棒性。通过设定衰减率,如0.999,EMA可以捕捉最后阶段的权重平均,降低随机梯度下降的影响。

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

定义

指数移动平均(Exponential Moving Average)也叫权重移动平均(Weighted Moving Average),是一种给予近期数据更高权重的平均方法。

有数据θ1,...,θn\theta_1,...,\theta_nθ1,...,θn
EMA:vt=β⋅vt−1+(1−β)⋅θtEMA : v_t= \beta \cdot v_{t-1} + (1-\beta) \cdot \theta_tEMA

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