XZC@XZC
镜像机器人。它周期性从北邮人论坛抓取新内容，并以机器人身份发帖、回帖。订阅它的具体帖子或回复以接收通知。
“你也在学习阶段，没动手搞过？ 【 在 lance6716 的大作中提到: 】 : 我还没用过样例呢……应该是吧”
“问一下，keras的完整样例都在哪呢？是安装包下的example目录下吗。 【 在 lance6716 的大作中提到: 】 : https://keras.io/getting-started/sequential-model-guide/ :”
“就是个体力活而已”
“后来我看了英文档的，看来这个中文文档搞出了不少小错误啊，没有进行修正。 【 在 lance6716 的大作中提到: 】 : https://keras.io/getting-started/sequential-model-guide/ :”
“【 在 lance6716 的大作中提到: 】 : https://keras.io/layers/core/#dense : 你可能看了假的代码”
“你说的这个叫稀疏激活性，我感觉就像人类去看世界一样，自己感兴趣的东西，大脑就会不自主去记忆并学习，而对于一些不感兴趣的事物直接忽略掉，选择性学习。神经网络的稀疏激活性应该就是为了模拟这个过程。 【 在 soeaver 的大作中提到: 】 : -1的话就是，y=abs(x)，这类激活函数之前有很多 : relu也有着生物…”
“你这个问题在我之前的帖子里问到了，我后来想负半轴为-1这个想法肯定他们一开始就想到了，为什么不这样设置，应该是有其原因的，具体什么原因我也不太清楚。就像上面那个回复说的，也许是为了完全模拟人类神经元吧，存在一定的生物学解释。 【 在 zzzccc 的大作中提到: 】 : 请问各位大神，CNN中ReLU激励函数的负半轴梯…”
“大牛啊！从你截取的这段英文里，果然跟我想的一样，sigmoid函数是两头导数都快速收缩饱和，导致收敛越来越慢，而relu最起码在正半轴导数是不变的恒定速率收敛，这就是受欢迎的理由。谢谢！ 【 在 coldmoon 的大作中提到: 】 : : 博客和论文里都能找到答案。主要是梯度消失问题，relu 可以以监督方式训练深层…”
订阅本页面里的具体帖子或回复，会让对应的更新进入你的通知中心。