machine-learning - 梯度下降算法,我也应该标准化参数吗?
问题描述
我对归一化和梯度下降有一些疑问,但我无法弄清楚:
除了样本之外,我应该规范化参数吗?
如果我在执行梯度下降之前对参数进行归一化,我是否也应该对结果参数进行反归一化?
先感谢您。
解决方案
您要在模型中训练的参数通常在运行梯度下降之前初始化。
如果您使用的是 pytorch 或 tensorflow 之类的框架,则会有一个名为“init”之类的模块,它具有初始化参数的方法。参数可以安全地从正态分布中提取,但也可以使用许多其他分布。
模型的输出通常不会对应于“真实”数量(除非您想做所谓的“回归”)。通常,您会想要输出诸如属于某个类别的概率之类的内容(例如:狗、猫或狮子)。在这种情况下,输出元素的值应该介于 0 和 1 之间。这通常通过所谓的softmax层来实现。
推荐阅读
- blockchain - 我们可以删除在 cordapp 中交易期间创建的条目。但是在 Cordapp 区块链中是如何实现不变性的呢?
- c++ - boost c++库的read_xml函数中的分段错误
- c - c中整数的输入验证
- amazon-web-services - 如何传递有效类型的参数
在 aws lambda 函数中 - lotus-notes - Lotusscript NotesHTTPRequest 问题
- c# - 使用中间件的聊天记录
- python-3.x - Keras-Python 在 mnist 数据集上的验证集准确度低得令人难以置信
- php - 如何用 PHP 交换字符串中两个不同字符的值?A变成B,B变成A
- java - 来自 JSON 或 JSON-Schema 的普通旧 Java 对象
- java - 使用 Maven 构建在 src/main/resources 的子目录中包含资源