1. KL loss
其经常要与softmax一起使用,就是为了学习one-hot分布
2. 降维
Pooling层的作用是增加模型的鲁棒性,让模型对输入的少量变化不那么敏感。
如果真想通过降维,减少模型训练参数,那应该用PCA降维方法,
sklearn.decomposition.PCA
3. cosine的相似度是【-1,1】,不是【0,1】
1. KL loss
其经常要与softmax一起使用,就是为了学习one-hot分布
2. 降维
Pooling层的作用是增加模型的鲁棒性,让模型对输入的少量变化不那么敏感。
如果真想通过降维,减少模型训练参数,那应该用PCA降维方法,
sklearn.decomposition.PCA
3. cosine的相似度是【-1,1】,不是【0,1】
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/6402.shtml
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!