[tensorflow]tensorflow2.0的优化理论
网络容量:训练过程中可以调整参数的数量。即在模型训练过程中有多少参数可以自定义进行调整,能调整得越多,网络容量越多。
拟合:训练结果和真实值之间的接近程度。
过拟合:训练结果和真实值之间非常接近,但是和评估值之间相距较大。
欠拟合:训练结果和真实值之间差距较大,但是和评估值之间差距也较大。
较理想的训练结果就是训练结果和真实值之间非常接近,但是和评估值之间也非常接近,也就是正确率较大,损失率较小。那么在实际训练中如何做到这个目标呢?
一般上创建模型时先尽量做到过拟合,然后根据评估结果进行逐渐调整,常用增加过拟合的方法有:
- 增加图层数量
- 增加每个图层的神经数量
- 增加训练次数
- 调整学习速率
过拟合后常用以下方法进行调整:
- 减少图层数量
- 减少每个图层的神经数量
- 减少训练次数
- 添加Dropout图层
- 调整学习速率
最后,最好的模型是增加训练数据和训练周期。
[tensorflow]tensorflow2.0的优化理论相关推荐
- 第七章:Tensorflow2.0 RNN循环神经网络实现IMDB数据集训练(理论+实践)
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/LQ_qing/article/deta ...
- 第五章:Tensorflow 2.0 利用十三层卷积神经网络实现cifar 100训练(理论+实战)
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/LQ_qing/article/deta ...
- Tensorflow2.0数据和部署(二)——基于设备的模型与TensorFlow Lite
文章目录 一.概述 1.模型存储 2.量化方法 3.模型验证 二.基于安卓的TF模型 1.初始化解释器 2.准备输入 3.调用解释器 4.输出结果 三.基于IOS的TF模型 1.初始化 2.准备输入 ...
- TensorFlow2.0 Guide官方教程 学习笔记20 -‘Effective TensorFlow 2‘
本笔记参照TensorFlow Guide官方教程,主要是对'Effictive TensorFlow 2'教程内容翻译和内容结构编排,原文链接:Effictive TensorFlow 2 高效的T ...
- tensorflow2.0支持的python版本-TensorFlow 版本兼容性
本文面向需要在不同版本的 TensorFlow 之间向后兼容(针对代码或者数据)的用户,以及想要修改 TensorFlow 并同时保持兼容性的开发者. 语义化版本控制 2.0 TensorFlow 的 ...
- envs\TensorFlow2.0\lib\site-packages\tensorflow\python\framework\dtypes.py:516: FutureWarning 解决方案
import tensorflow后的完整报错: D:\Anaconda3\envs\TensorFlow2.0\lib\site-packages\tensorflow\python\framewo ...
- tensorflow 保存训练loss_tensorflow2.0保存和加载模型 (tensorflow2.0官方教程翻译)
最新版本:https://www.mashangxue123.com/tensorflow/tf2-tutorials-keras-save_and_restore_models.html 英文版本: ...
- tensorflow2.0及以上版本在使用Session模块时报错:AttributeError: module ‘tensorflow‘ has no attribute ‘Session‘ 已解决
tensorflow2.0版本及之后的版本在使用Session模块时报错:AttributeError: module 'tensorflow' has no attribute 'Session' ...
- Tensorflow2.0数据和部署(一)——基于浏览器的模型与TensorFlow.js
文章目录 一.总体介绍 编程实践 1.创建一个简单的网页 2.编写脚本文件加载TensorFlow.js 3.完整代码 4.从csv文件中读取数据 5.设计更复杂的神经网络 二.图像分类 1.编写一个 ...
最新文章
- python numpy array最大长度_python 中 numpy array 中的维度
- 安卓客户端与服务器交互Json数据
- Day1-java基本类型
- python中空格属于字符吗_举例说明python中空格是属于字符
- 系统学习深度学习(三十四)--Dueling DQN
- 我写了14篇文章,总结了《具体数学》常用知识点
- ASP Blob类型转存为Long Raw类型
- 文件系统VFS数据结构(超级块 inode dentry file)(收集整理)
- bch纠错码 码长8_BCH码-BCH码原理-BCH码分类-BCH码的应用-什么是BCH码-测控百科-CK365测控网...
- xp关闭计算机共享,关闭Windows XP系统默认共享四种方法
- 计算机打字声音,键盘打字声音在哪设置
- AtCoder Beginner Contest 121
- Android初学者的疑惑与“死板”的Android初学之路
- 显示一个立方体的两点透视投影图(用数组存放正方体的各顶点坐标)
- 成都拓嘉辰丰:拼多多一件代发的产品退货怎么做?
- 元宇宙之经济(01)理解区块链
- Affine-Transformation Parameters Regression for Face Alignment
- 加法接力赛C语言算法,C语言循环结构
- 华为nova10和华为nova9哪个值得买 两者配置对比
- 第一次做鸭子的感受!
热门文章
- java 使用 lamba 表达式处理二维数组
- Python RE模块中search()和match()的区别
- 验证选择每日学习总结:DropDownList是否已选择验证、存储过程参数为sql字符串问题、将截断字符串或二进制数据。\r\n语句已终止...
- 2003下使用IIS+PHP+MySQL来运行DZ(落伍记号)
- 孤读Paper——《ATSS:Adaptive Training Sample Selection》
- merge卷积和bn层的原理
- WhatsApp被曝内部收集用户数据
- 记录:成功配置 centos + nginx + .net core 2.0
- 树莓派架设VNC服务
- memcache学习之c客户端