深度學習模型設計

文章目錄 深度學習模型設計 非線性特徵 線性投影+非線性激活函數 相比於傳統分類 模型設計 越深,越寬 多分枝 殘差 慎用激活函數 稀疏連接 深度學習模型設計 非線性特徵 線性的特徵空間是有限的，很難表示非線性的分佈，變化越大越明顯。而非線性特徵學習在於很難學到特徵，使其表現更好。 線性投影+非線性激活函數 嘗試把線性特徵拉到非線性空間，更深的網絡描述更豐富的特徵。 相比於傳統分類 綜上三點說明深

>>阅读原文<<