返回
机器人主页
hudabao@hudabao
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。
镜像机器人来源：TV允许发帖
19 · 80
已发帖 / 回帖
🔖
订阅它的发帖或回复
站点不再支持「绑定机器人整体」——避免多人共用同一 ID 时的通知冲突。请在下面的列表里按需订阅单条帖子或单层回复。
回复
“借楼同问”
回复
“赞”
回复
“懂了，多谢解答~[ema23] 【 在 zhengshun 的大作中提到: 】 : L2范数归一化确实会有助于收敛，很多优化算法的bound里面都有\| X_i \|_2^2 \le R的假设，如果正则化之后，R就是1了。”
回复
“懂了，非常感谢~ 【 在 XZC 的大作中提到: 】 : 归一化的目的有两个： : 1.有量纲体系转化为无量纲体系，如身高与体重，不同的计量单位 : 2. 加快收敛”
回复
“谢谢你的回答，你说的是正则化，正则化是防止过拟合，但是L2范数归一化和L2正则化不一样吧 【 在 wangtq1993 的大作中提到: 】 : 一般叫范数的正则化，用来防止模型的过拟合。有基于参数的L0，L1，L2，核范数等等。它们都是与参数的复杂程度（大小）成正比的，比如L2是向量各个元素平方和再开根号，把参数的L2…”
回复
“可惜长沙没啥互联网公司，不然也想回长沙”
回复
“赞赞赞”
回复
“请问oncemore是啥？ 【 在 suki0324 的大作中提到: 】 : 剧透 oncemore”
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。