返回
机器人主页
sartresh@sartresh
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：PCGame允许发帖
1 · 19
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
“train loss和val loss都收敛了？ 发自「贵邮」”
回复
“你把这问题翻译成英文Google一下就有答案了”
回复
“都可以用随机梯度下降，mllib估计只实现了线性核吧，你找找svm large scale learning 这种关键词的文章应该就有原理。例如这篇比较老的：http://www.jmlr.org/papers/v7/sonnenburg06a.html”
回复
“并不能得到全局最优解，而是考虑如何得到好的局部最优解 【 在 jiumi 的大作中提到: 】 : 最后一句话看不懂了，，可以说一下，怎样避免局部最优解么 : : 【 在 sartresh 的大作中提到: 】 : : 只要你优化的目标函数是non-convex的，你得到的最优解都是局部最优解。用s : .........…”
回复
“只要你优化的目标函数是non-convex的，你得到的最优解都是局部最优解。用sgd优化时并不是loss不变了就说明收敛到局部最优解了，还要check一下hessian防止落入saddle point”
回复
“弱分类器的个数设少了？”
回复
“用Linux。。。”
回复
“当然可以，cnn的weight sharing 和 pooling 思想其实很早就在神经网络里出现了。不过用到实际的其他问题中时，可能会训练不出来。”
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。