教程题目

模型泛化教程:标签平滑与Keras, TensorFlow,和深度学习

教程简介

在本教程中,您将学习使用Keras、TensorFlow和Deep Learning实现标签平滑的两种方法,即正则化器和变迁平滑。 在训练你自己定制的深层神经网络时,有两个关键问题你应该不断地问自己: 是不是太过度训练数据了?模型会推广到训练和测试分离之外的数据吗?正则化方法有助于克服过度拟合,并有助于我们的模型的推广。然而,还有另一种正则化技术我们还没有讨论-标签平滑。 标签平滑:

  • 将“硬”类标签分配转换为“软”标签分配。
  • 直接在标签上操作。
  • 很容易实现。
  • 可以得到一个更通用的模型

标签平滑

硬标签与软标签。

成为VIP会员查看完整内容
0
11

相关内容

机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
小贴士
相关资讯
初学者的 Keras:实现卷积神经网络
Python程序员
16+阅读 · 2019年9月8日
TensorFlow 2.0 中文视频教程来啦
AINLP
8+阅读 · 2019年8月24日
手把手教你用Python库Keras做预测(附代码)
数据派THU
11+阅读 · 2018年5月30日
教程 | 用TensorFlow Estimator实现文本分类
机器之心
3+阅读 · 2018年5月17日
【教程】如何从零开始构建深度学习项目?
七月在线实验室
4+阅读 · 2018年4月23日
keras系列︱深度学习五款常用的已训练模型
数据挖掘入门与实战
10+阅读 · 2018年3月27日
手把手教 | 深度学习库PyTorch(附代码)
数据分析
5+阅读 · 2018年3月20日
Tensorflow 文本分类-Python深度学习
Python程序员
12+阅读 · 2017年11月22日
教程 | 基于Keras的LSTM多变量时间序列预测
机器之心
14+阅读 · 2017年10月30日
深度学习实战(二)——基于Keras 的深度学习
乐享数据DataScientists
13+阅读 · 2017年7月13日
相关论文
Qizhe Xie,Eduard Hovy,Minh-Thang Luong,Quoc V. Le
13+阅读 · 2019年11月11日
HyperGCN: A New Method of Training Graph Convolutional Networks on Hypergraphs
Naganand Yadati,Madhav Nimishakavi,Prateek Yadav,Vikram Nitin,Anand Louis,Partha Talukdar
8+阅读 · 2019年5月22日
Yongqin Xian,Saurabh Sharma,Bernt Schiele,Zeynep Akata
11+阅读 · 2019年3月25日
Yulun Zhang,Kunpeng Li,Kai Li,Bineng Zhong,Yun Fu
7+阅读 · 2019年3月24日
Generalization and Regularization in DQN
Jesse Farebrother,Marlos C. Machado,Michael Bowling
5+阅读 · 2019年1月30日
Tuomas Haarnoja,Aurick Zhou,Sehoon Ha,Jie Tan,George Tucker,Sergey Levine
4+阅读 · 2018年12月26日
Ayush Tewari,Florian Bernard,Pablo Garrido,Gaurav Bharaj,Mohamed Elgharib,Hans-Peter Seidel,Patrick Pérez,Michael Zollhöfer,Christian Theobalt
5+阅读 · 2018年12月18日
Matthias Plappert,Rein Houthooft,Prafulla Dhariwal,Szymon Sidor,Richard Y. Chen,Xi Chen,Tamim Asfour,Pieter Abbeel,Marcin Andrychowicz
3+阅读 · 2018年1月31日
Top