機器學習中的L1正則,L2正則的理解

一.在深度學習中,影響整個模型最後效果的我認爲有3個因素: 1.數據的質量,多少. 2.網絡的結構,網絡的深度等. 3.損失函數的設計. 最常用也是最容易想到的損失函數就是L1損失和L2損失.這也是很多深度學習論文的損失函數的基礎項目. 對於L1損失,L2損失,相信很多看過吳恩達機器學習課程的同學都會知道**「正則項」**的概念(L1-norm,L2-norm),在tensorflow中,也有專門

>>阅读原文<<