作者查詢 / OnePiecePR

總覽項目：發文 | 留言 | 暱稱

作者 OnePiecePR 在 PTT [ DataScience ] 看板的留言(推文), 共81則

限定看板：DataScience

看板排序：

首頁

尾頁

[問題] batch size過大時，為什麼容易overfittin

[ DataScience ]22 留言, 推噓總分: +8

作者: Activation - 發表於 2018/08/29 11:38(7年前)

1^F推OnePiecePR: 我以為 batch size 小，因為train得快，所有反而會提08/29 13:02

2^F→OnePiecePR: 早 overfitting 也許我錯了，期待各位神人解惑08/29 13:02

7^F推OnePiecePR: mini batch 的極致算是一個sample 做一次Gradient Dec08/29 16:36

8^F→OnePiecePR: ent，雖然每一步都是Randomly , 但是效果比標準GD好，08/29 16:36

9^F→OnePiecePR: 自己參考SGD。08/29 16:36

10^F推OnePiecePR: 一個模型太複雜，多訓練下去，終究會overfitting, min08/29 16:40

11^F→OnePiecePR: i batch 比較早收斂所以也應該是比較早發生overfittin08/29 16:40

12^F→OnePiecePR: g08/29 16:40

13^F推OnePiecePR: mb 收斂這一塊我是比較這麼認為，但是否mb 會容易 ove08/29 16:48

14^F→OnePiecePR: rfitting 我比較不確定08/29 16:48

15^F推OnePiecePR: 這裡有討論 https://goo.gl/EaepgR 這一篇跟我的認知08/29 16:59

16^F→OnePiecePR: 一致08/29 16:59

[問題] rnn的overfitting

[ DataScience ]13 留言, 推噓總分: +2

作者: seasa2016 - 發表於 2018/08/13 11:26(7年前)

8^F→OnePiecePR: 你說的比較不需要人工智慧吧，IFs系統查表比較適合08/14 21:32

[問題] GAN的Discriminator要加dropout嗎?

[ DataScience ]18 留言, 推噓總分: +3

作者: PyTorch - 發表於 2018/07/27 20:59(7年前)

3^F推OnePiecePR: D overfitting, 會不會是對初期 G 的訓練還 OK, 但是07/28 02:20

4^F→OnePiecePR: 到了最後 G 有能力產生不錯的輸出時會被拉到跟看過的07/28 02:20

5^F→OnePiecePR: real data 幾乎一樣，少了 “想像力”？如果 D 不07/28 02:20

6^F→OnePiecePR: 難 train, 加上 dropout 應該是有幫住的。07/28 02:20

[徵求] 解釋深度學習原理易懂的文章(已整理)

[ DataScience ]47 留言, 推噓總分: +15

作者: ponponjerry - 發表於 2018/06/12 20:36(7年前)

19^F推OnePiecePR: 李宏毅+1。sigmoid、crossentropy 都很輕鬆推出來06/13 17:11

[問題] 分類問題最後的softmax前要activation嗎?

[ DataScience ]19 留言, 推噓總分: +7

作者: Haikyuu - 發表於 2018/04/23 21:07(7年前)

17^F推OnePiecePR: 不用怕資訊流失，麻豆會因為relu 而找出最好的權位比04/25 08:36

18^F→OnePiecePR: 失去的資訊得到更好的結果。我感覺。04/25 08:36

Re: [問題] 全捲積網路(FCN) 在YOLOV2上訓練的問題

[ DataScience ]12 留言, 推噓總分: +4

作者: ching0629 - 發表於 2018/04/17 13:06(7年前)

10^F推OnePiecePR: 好像是 Anchor 會在原定的grid 裏頭，長出的bounding04/17 20:02

11^F→OnePiecePR: 就不確定了。04/17 20:02

[問題] 全捲積網路(FCN) 在YOLOV2上訓練的問題

[ DataScience ]59 留言, 推噓總分: +19

作者: NMOSFET - 發表於 2018/04/16 14:18(7年前)

3^F推OnePiecePR: 應該就是ㄧ二樓的講法。前端進入麻豆前 resize, 作出104/16 18:14

4^F→OnePiecePR: 3*13的 grids 才能 meet model 的處理。04/16 18:14

Re: [問題] Word2Vec LSTM sentiment classification

[ DataScience ]8 留言, 推噓總分: +8

作者: lucien0410 - 發表於 2018/04/11 02:55(7年前)

2^F推OnePiecePR: 推04/11 19:10

[問題] 現在的手寫辨識技術

[ DataScience ]11 留言, 推噓總分: +7

作者: PyTorch - 發表於 2018/03/27 19:25(7年前)

3^F推OnePiecePR: Object Detection 很像很不錯了。03/27 22:09

4^F→OnePiecePR: Fx rcnn 估一下，或又快又簡單的動態 yolo 都很有趣。03/27 22:10

首頁

尾頁