正则化输入

本文介绍了正则化输入的概念及其在神经网络训练中的作用。通过将输入数据归一化到0附近,可以优化学习率设置,使训练过程更加稳定且快速。文章还探讨了不进行正则化输入可能产生的影响,并分享了一个实际案例。

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

正则化输入就是把我们输入的X中的值给归一到0附近

比如我的输入是一张图片,也就是h * w * 3 的矩阵

那么我可以把其中的每个数 x - 120再除以120,使得我们输入的值围绕在原地附近

 

这样做的原因是,我们的learning_rate是固定的,对于一切的w,b都是同一个learning_rate

如果不进行正则化输入,可能会出现此时我的w的rate为0.1比较好,而此时b的rate为0.001,影响训练效果

 

再说一个自己的理解

正则化输入,让我们的神经网络的初始值在原点附近

拿二元分类举例子,正则化输入能让神经网络的输出在0.5附近,然后再进行训练

如果不正则化的话,很可能神经网络输出比较偏向0 或 1,减慢训练效果

 

但是,有一次我写神经网络的时候忘了做正则化输入了

对训练效果并没有什么影响

这个可能是因为在初始阶段,神经网络训练的非常快

对训练效果的优化没来得及感受到就过去了吧

转载于:https://www.cnblogs.com/shensobaolibin/p/8946897.html

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