《动手学深度学习》笔记1.9——丢弃法 (一种正则化方法)
目录
1. 丢弃法(Dropout)
1.1 动机
1.2 无偏差加噪音
1.3 使用 Dropout (丢弃法)
1.4 总结
2. 代码实现
1. 丢弃法(Dropout)
1.1 动机
鲁棒性 (Robustness):抗内外部干扰的能力,与稳定性、可靠性、安全性相关
————————————————— 加入噪音后:
1.2 无偏差加噪音
1.3 使用 Dropout (丢弃法)
- 主流学界将 Dropout 当作 正则项(实验结果接近,结果很好)
- Dropout最早是 Hinton(深度学习之父) 做出来的
1.4 总结
Dropout 的效果往往会比L2损失惩罚好一点点
2. 代码实现
李沐老师:
- Dropout 是多层感知机最主流的模型控制的方法(因此推荐大家去试着调参数dropout)
- 推荐把模型设得复杂一点点,再通过正则化去控制模型复杂度;这会比简单模型效果好