ディレクトリ
| 「ニューラルネットワークの改善」 | メモ一覧 |
|---|---|
| 1週目 | の深い学習の実践的な側面 |
| 週1ポータル - > | [1.1研修/開発/テスト・セット] [1.2偏差/分散] [1.3機械学習の基礎] [1.4正則] [正則がオーバーフィッティングを減らすことができますなぜ1.5] [1.6ドロップアウト正則] [1.7は、ドロップアウトを理解する] [1.8他の正規化方法] [1.9正規化された入力] [1.10勾配消失及び勾配爆発] [ニューラルネットワーク再初期の1.11重み] [1.12勾配近似]の値 [1.13勾配試験] 勾配試験の[1.14注意]達成 |
| 第2週 | 最適化アルゴリズム |
| 2週ポータル - > | [2.1ミニバッチ勾配降下] [2.2理解そのミニバッチ勾配降下] [加重平均2.3索引] [加重平均2.4高く評価指標] [補正の2.5指標の加重平均偏差] [2.6運動量勾配降下方法] [2.7 RMSprop ] [2.8アダム最適化アルゴリズム] [2.9学習率の崩壊] [2.10局所最適] |
| 第3週 | 超パラメータ・テスト、バッチ正則と手続きのフレームワーク |
| 週3ポータル - > | [3.1デバッグ] [3.2は、適切な範囲の選択は、ハイパーパラメータである] ：[パンダFC対キャビア3.3トレーニング練習超パラメータ] [3.4正則化ネットワークの活性化関数] [3.5バッチノルムがニューラルネットワークに収まる] 3.6 [バッチノームなぜ仕事] [3.7テストノーム]でバッチ [3.8ソフトマックス・リターン] [分類器を訓練3.9ソフトマックス] [3.10深い学習フレームワーク] [3.11 TensorFlow] |
| インタビュー | ダニエルインタビュー |
| ポータル - > | Yoshua 慶林 |
