深度学习基础系列

深度学习基础系列（九）| Dropout VS Batch Normalization? 是时候放弃Dropout了

　　Dropout是过去几年非常流行的正则化技术，可有效防止过拟合的发生。但从深度学习的发展趋势看，Batch […]

深度学习基础系列（六）| 权重初始化的选择

　　深层网络需要一个优良的权重初始化方案，目的是降低发生梯度爆炸和梯度消失的风险。先解释下梯度爆炸和梯度消失的 […]

深度学习基础系列（五）| 深入理解交叉熵函数及其在tensorflow和keras中的实现

　　在统计学中，损失函数是一种衡量损失和错误（这种损失与“错误地”估计有关，如费用或者设备的损失）程度的函数。 […]

深度学习基础系列（一）| 如何看懂用kersa构建模型的各层含义（掌握输出尺寸和可训练参数数量的计算方法）

　　我们在学习成熟网络模型时，如VGG、Inception、Resnet等，往往面临的第一个问题便是这些模型的 […]