- 博客(2)
- 收藏
- 关注
RSS订阅原创 训练模型调试-自存
步子迈得小，虽然方向不确定，但每次调整幅度不大，你还是能慢慢地、曲折地找到低点，而且有机会探索到更深的山谷。例如，如果归一化方法不正确，可能会导致梯度消失或爆炸。：就像在一个嘈杂的下坡方向指引下迈大步子，这非常不稳定，可能导致你根本无法收敛，直接在山谷里乱跳。：就像在一个非常稳定的方向指引下迈小步子，这会让你走得非常慢，训练效率很低。现在是回归任务，使用的是根据不同等级赋予权重的MSE.MAE结合的损失函数。：在一个稳定的方向指引下迈大步子，这通常是。测试集，验证集，时间段，比例。，如MSE和MAE。
2025-08-13 11:44:46
179
原创 LSTM详解-自存
遗忘门：通过x和ht的操作，并经过sigmoid函数，得到0,1的向量，0对应的就代表之前的记忆某一部分要忘记，1对应的就代表之前的记忆需要留下的部分 ===>代表复习上一门线性代数所包含的记忆，通过遗忘门，忘记掉和下一门高等数学无关的内容（比如矩阵的秩）输入门：通过将之前的需要留下的信息和现在需要记住的信息相加，也就是得到了新的记忆状态。===>代表复习下一门科目高等数学的时候输入的一些记忆（比如洛必达法则等等），那么已经线性代数残余且和高数相关的部分（比如数学运算）+高数的知识=新的记忆状态。
2025-08-12 17:02:25
188
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人