卷积核一般都把size设为奇数，主要有以下两个原因：1.保证锚点（卷积核的中心）刚好在中间，方便以模块中心为标准进行滑动卷积。2.保证了padding时，图像的两边依然相对称...

卷积核一般都把size设为奇数，主要有以下两个原因：1.保证锚点（卷积核的中心）刚好在中间，方便以模块中心为标准进行滑动卷积。2.保证了padding时，图像的两边依然相对称...

转自：https://blog.csdn.net/gzj_1101/article/details/79376798LSTM原理及实现...

1、BN层为什么可以防止梯度消失Batchnorm是深度学习发展以来提出的最重要的成果之一了，目前已经被广泛的应用到了各大网络中，具有加速网络收敛速度，提升训练稳定性的效果，Batchnorm本质上是解决反向传播过程中的梯度问题。batchnorm全名是batch normalization，简称BN，即批规范化，通过规范化操作将输出信号x规范化保证网络的稳定性。具体的batchnorm...

一、最近邻算法（KNN）概述 KNN将测试集的数据特征与训练集的数据进行特征比较，然后算法提取样本集中特征最近邻数据的分类标签，即KNN算法采用测量不同特征值之间的距离的方法进行分类。KNN的思路很简单，就是计算测试数据与类别中心的距离。KNN具有精度高、对异常值不敏感、无数据输入假定、简单有效的特点，但其缺点也很明显，计算复杂度太高。要分类一个数据，却要计算所有数据，这在大数据的...

关于Logistic回归和SVM，以下说法错误的是？A. Logistic回归可用于预测事件发生概率的大小B. Logistic回归的目标函数是最小化后验概率C. SVM的目标的结构风险最小化D. SVM可以有效避免模型过拟合答案：B，Logit回归本质上是一种根据样本对权值进行极大似然估计的方法，而后验概率正比于先验概率和似然函数的乘积。logit仅仅是最大化似然函数，并没...

一、从数据先验的角度首先你要知道L1范式和L2范式是怎么来的,然后是为什么要把L1或者L2正则项加到代价函数中去.L1,L2范式来自于对数据的先验知识.如果你认为,你现有的数据来自于高斯分布,那么就应该在代价函数中加入数据先验P(x),一般由于推导和计算方便会加入对数似然,也就是log(P(x)),然后再去优化,这样最终的结果是,由于你的模型参数考虑了数据先验,模型效果当然就更好.哦对了,如果你.

关于Logistic回归和SVM，以下说法错误的是？A. Logistic回归可用于预测事件发生概率的大小B. Logistic回归的目标函数是最小化后验概率C. SVM的目标的结构风险最小化D. SVM可以有效避免模型过拟合答案：B，Logit回归本质上是一种根据样本对权值进行极大似然估计的方法，而后验概率正比于先验概率和似然函数的乘积。logit仅仅是最大化似然函数，并没...