keras - 何时在 Keras 模型中使用偏差?
问题描述
我是使用 Keras 建模的新手。我正在尝试评估设置模型的适当参数。我怎么知道你何时使用偏见与何时关闭它?
解决方案
简短的回答是,当你的模型很小时,总是使用偏差变量。否则,仍然建议在所有神经网络架构中继续使用偏差。
因为每个神经元的表现就像一个简单的逻辑回归。在每个神经元中,输入值乘以权重,偏差会影响 sigmoid 函数中的初始水平,从而产生所需的非线性。
例如,如果您的训练数据中的输入为零,例如在 sigmoid 函数中X = [[0,0,...], [0,0,...],... ] , Y = 1
,则输出将始终完全为 0。然而,在大型网络中,每个节点都可以从其所有输入的平均激活中生成一个偏置节点。Y=0.5
X*W
推荐阅读
- mysql - 如何从函数内部的查询中获取结果
- android - 如何在 Kotlin 中访问枚举值
- android-security - Google Play - 针对不安全解压缩模式漏洞的安全警报
- python - 如何绘制图像网格及其类别
- sql - 苦苦挣扎于输入验证/检查约束
- json - NativeScript getJSON 格式错误的响应
- javascript - 制作带有照片列表的弹出窗口或对话窗口
- php - 将带有 cURL 的文件(可以是 jpg、css、js ...)保存到我的服务器并保持目录结构
- python - 决策函数中特征的系数。随机森林
- logstash-configuration - Logstash 身份验证