machine-learning - 权重什么时候停止更新?
问题描述
我正在为分配实施梯度下降,并且对权重何时停止更新感到困惑。当权重变化不大时,我是否停止更新权重,即当权重i -之前的权重 i <=(某个阈值)时。
另外,按照我目前在上面实现的方式,Weight1 可以在 Weight2 之前完成。这是正确的还是应该同时完成所有的重量?
解决方案
简单来说,您在成本/损失最小化时停止。
您应该使用偏导数分布梯度。
推荐阅读
- node.js - 全局变量在节点中更改后不保留值
- php - MVC 模式 - 在 URL 中仅显示控制器名称(隐藏 index.php 和操作)
- excel - 如何将特定列和行复制到另一个工作表
- django - 如何在 Elastic beanstalk 上安装 pycurl (django+celery+sqs)
- javascript - 共享布局中的图像不会显示在区域中的一个视图上 - 显示在所有其他视图上
- scheme - 如何评估包含绑定在闭包中的符号的列表?
- python - 有没有办法使用 python shell 进行处理?
- javascript - React-Redux firebase 电子邮件地址格式错误
- python - 将函数应用于数据框列
- docker - 我可以在 Docker 网络上为容器使用什么名称(如果可能)?