重量衰减和输入标准化

时间:2017-12-08 07:29:38

标签: tensorflow normalization

我是张力流的新手,发现样本CNN程序正在使用重量衰减来避免巨大的重量,而他们并不总是首先将输入标准化。

重量衰减是否与输入标准化的目的相同?

他们之间有什么区别?

2 个答案:

答案 0 :(得分:0)

重量衰减是一种用于控制模型过度拟合的正则化。重量衰减通常称为L2标准化。重量衰减在浅层学习算法中更常用,如线性回归,逻辑回归等。在深度学习中(例如:使用CNN),体重衰减并不常见。事实上,使用其他正规化方法,如dropout。

另一方面,

输入标准化是指将输入数据居中,并限制输入数据的范围。此过程有助于快速收敛数据。

关于如何应用这两个概念,没有一般的固定规则。因此,您可能已经看到了这两个概念的一些变化。

答案 1 :(得分:0)

权重衰减是一种正则化技术,例如L2正则化,可导致梯度下降使每次迭代的权重缩小