李宏毅 DeepLeaning-2017-Tips for DP
**1.首先控制Train Data上的結果 train set上的performance一定要作爲先檢查的標準 2.進而再看在Testing Data上的結果 3.1好，2不好就是Overfitting** 舉例： 在train set中的performance 56的layder就比20的差，所以在testing set的performance就無法斷定是overfitting 注意：自己遇到
相關文章
- 1. 李宏毅 DeepLearning-2017-簡述DP
- 2. 【李宏毅】CNN
- 3. 【李宏毅】RNN
- 4. 李宏毅__ML_Notes_4.21
- 5. 李宏毅__ML_Notes_5.11
- 6. 李宏毅——GAN
- 7. 李宏毅——transformer
- 8. transformer---李宏毅
- 9. 李宏毅-DRL-S1
- 10. 李宏毅-DRL-S2
- 更多相關文章...
- • Swift for 循環 - Swift 教程
- • Scala for循環 - Scala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。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 李宏毅 DeepLearning-2017-簡述DP
- 2. 【李宏毅】CNN
- 3. 【李宏毅】RNN
- 4. 李宏毅__ML_Notes_4.21
- 5. 李宏毅__ML_Notes_5.11
- 6. 李宏毅——GAN
- 7. 李宏毅——transformer
- 8. transformer---李宏毅
- 9. 李宏毅-DRL-S1
- 10. 李宏毅-DRL-S2