李宏毅 -DeepLearning-2017-Why Deep
主講內容：CNN DNN的優勢！！！！！ CNN的layer層數越深，得到的word Error就越低，因爲層數越深，參數就會越多，同時就會得到更好的結果，如圖： 那麼我們拿兩個參數幾乎一樣的參數的cnn但是層數不一樣，一個是高瘦，另一個是矮胖的比較哪個更好呢？例如： 圖中箭頭雙方模型的參數樹木是接近的。我們會發現，一層的矮胖的network的performance的能力是有限的，那麼怎麼來衡量呢
相關文章
- 1. 【李宏毅】CNN
- 2. 李宏毅__ML_Notes_5.11
- 3. 【李宏毅2020 ML/DL】P15 Why Deep-
- 4. 李宏毅《Deep Learning》學習筆記 - transformer
- 5. 李宏毅ML lecture-11 why deep
- 6. 李宏毅：deep learning for language modeling
- 7. 李宏毅老師課程：Why Deep
- 8. 李宏毅-DRL-S1
- 9. 【李宏毅】RNN
- 10. 李宏毅__ML_Notes_4.21
- 更多相關文章...
- • R 數據框 - R 語言教程
- • 錯誤處理 - RUST 教程
- • Docker容器實戰(一) - 封神Server端技術
- • Docker容器實戰(八) - 漫談 Kubernetes 的本質
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
