全部 人工智能学科动态 人工智能技术资讯 人工智能常见问题 技术问答

• • 

    深度学习中模型不收敛，是否说明这个模型无效?

    深度学习中模型不收敛并不一定意味着这个模型无效。模型不收敛可能是由多种原因引起的，而且可以采取一些方法来解决这个问题。以下是一些可能的原因和对应的解决方法。查看全文>>

    人工智能常见问题2023-08-16 |黑马程序员 |模型不收敛是否说明模型无效
  • 

    损失函数(loss函数)有什么作用?

    在人工智能领域，特别是在机器学习和深度学习中，损失函数(也称为代价函数、目标函数或误差函数)是一种用于衡量模型预测与实际观测值之间差异的指标。损失函数的作用非常重要，它在训练模型过程中起到以下几个关键作用。查看全文>>

    人工智能常见问题2023-08-15 |黑马程序员 |损失函数,loss函数,衡量模型性能
  • 

    分类网络和检测网络的区别?

    分类网络和检测网络是人工智能领域中两种常见的神经网络架构，用于解决不同类型的计算机视觉任务。它们在处理方式、网络结构和应用领域上存在显著的区别。查看全文>>

    人工智能常见问题2023-08-08 |黑马程序员 |分类网络,检测网络,神经网络架构
  • 

    网络训练时为何要加正则化，有哪些手段?

    在深度学习中，加入正则化是为了防止过拟合(overfitting)现象的发生。过拟合指的是模型在训练数据上表现得很好，但在未见过的测试数据上表现不佳，因为模型在训练过程中过度拟合了训练数据的噪声和细节。查看全文>>

    人工智能常见问题2023-08-02 |黑马程序员 |网络训练,正则化,L1正则化
  • 

    神经网络参数初始化方法有哪些，适用范围是什么?

    神经网络参数初始化是在神经网络训练开始前，对网络的权重和偏置进行初始化的过程。不同的参数初始化方法可以影响神经网络的收敛速度和训练性能。查看全文>>

    人工智能常见问题2023-08-01 |黑马程序员 |神经网络,参数初始化,随机初始化
  • 

    Batch Normalization有什么作用?使用时需要注意什么?

    Batch Normalization(批归一化)是深度学习中一种常用的技术，其主要目的是加速神经网络的训练过程并提高模型的泛化性能。它在训练过程中对每一层的输入进行归一化操作，从而减少梯度消失和梯度爆炸问题，以及增加网络的稳定性和收敛速度。查看全文>>

    人工智能常见问题2023-07-27 |黑马程序员 |Batch Normalization,梯度爆炸,模型泛化
  << < 1 2 3 4 5 6 7 8 9 10 ...26 > >>