|
- 深度学习的loss一般收敛到多少？ - 知乎
看题主的意思，应该是想问，如果用训练过程当中的loss值作为衡量深度学习模型性能的指标的话，当这个指标下降到多少时才能说明模型达到了一个较好的性能，也就是将loss作为一个evaluation metrics。 但是就像知乎er们经常说的黑话一样，先问是不是，再问是什么。所以这个问题有一个前提，就是
- 深度学习的多个loss如何平衡？ - 知乎
多个loss引入pareto优化理论，基本都可以涨点的。 例子： Multi-Task Learning as Multi-Objective Optimization 可以写一个通用的class用来优化一个多loss的损失函数，套进任何方法里都基本会涨点。反正我们在自己的研究中直接用是可以涨的。
- 我打游戏的时候一直丢包，想问怎么确定是路由器，运营商还是电脑问题？ - 知乎
你ping的是 网关，丢包，那么就是和网关之间存在问题。 如果是有线连接 那么是线的问题或者路由器本身的质量问题，是否用了太久？比如十年？二十年？ 如果是 无线连接 大概率是无线连接， 有线连接不会超过1毫秒 的，你这都远远超过1毫秒了，所以你大概率是无线。
- 深度学习模型训练的时候，一般把epoch设置多大？ - 知乎
在机器学习中，epoch 数量是指整个训练集通过模型的次数。一个Epoch意味着训练数据集中的每个样本都有机会更新内部模型参数。 Epoch由一个或多个Batch组成。 选择合适的 epoch 数量是一个关键的问题，因为它会影响到模型的性能和训练时间。 通常，epoch 数量越多，模型在训练数据上的性能越好
- 损失函数｜交叉熵损失函数 - 知乎
1 3 Cross Entropy Loss Function（交叉熵损失函数） 1 3 1 表达式 (1) 二分类 在二分的情况下，模型最后需要预测的结果只有两种情况，对于每个类别我们的预测得到的概率为 和 ，此时表达式为（ 的底数是 ）： 其中： - —— 表示样本 的label，正类为 ，负类为
- 神经网络如何设计自己的loss function，如果需要修改或设计自己的loss，需要遵循什么规则？ - 知乎
简单说是种Loss组合，有identification信号和verfication信号，实质上是softmax loss和contrastive loss的组合。 Identification的softmax使得训练的模型可以输出身份特征，而verfication的contrastive loss有利于人脸比对任务，同时使得不同人的特征被区分开来。 3
- 关于短语at a loss的用法？ - 知乎
牛津高阶上，给出的用法是be at a loss for words 和I #39;m at a loss what to do next （后例也出现在…
- 如何分析kaiming新提出的dispersive loss，对扩散模型和aigc会带来什么影响? - 知乎
Dispersive Loss：为生成模型引入表示学习 何恺明团队的这篇文章提出了一种名为「Dispersive Loss」的 即插即用 正则化方法，用来弥合 扩散模型 与 表示学习 之间长期存在的鸿沟。 当前扩散模型主要依赖回归目标进行训练，普遍缺乏对内部表示的显式正则化。 Dispersive Loss 鼓励模型内部的特征表示在
|
|
|